A Person-Oriented Approach to Multidimensional Perfectionism: Perfectionism Profiles in Health and Well-Being
Notice bibliographique
Résumé
Advances in understanding of the perfectionism construct have been limited by an almost exclusive reliance on a variable-centered approach. This study utilized a person-oriented approach to examine Hewitt and Flett’s conceptualization of multidimensional perfectionism in relation to health and well-being. Levels of conscientiousness, extraversion, and neuroticism were also assessed. Cluster analyses were employed to examine within-person configurations of self-oriented, other-oriented, and socially prescribed perfectionism (SPP) in university students ( n = 538) and adults with chronic illness ( n = 773). Five unique configurations were found in both samples and three clusters replicated across samples. “Extreme perfectionists” with high scores across all perfectionism dimensions reported relatively poor physical health, psychological health, psychosocial resources, and well-being along with elevated neuroticism and conscientiousness. A group distinguished by elevated SPP also reported relatively poorer outcomes along with elevated neuroticism and lower conscientiousness. In contrast, “nonperfectionists” reported relatively elevated levels of health and well-being. These profiles differed in their links with health and well-being even after taking into account key differences in conscientiousness and neuroticism. Our results illustrate the importance of employing a person-oriented approach to the study of multidimensional perfectionism, especially as it relates to physical health, mental health, and subjective well-being.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».