In person, online, and up close: the cross‐contextual consistency of expressive accuracy
Notice bibliographique
Résumé
People vary widely in their expressive accuracy, the tendency to be viewed in line with one’s unique traits. It is unclear, however, whether expressive accuracy is a stable individual difference that transcends social contexts or a more piecemeal, context‐specific characteristic. The current research therefore examined the consistency of expressive accuracy across three social contexts: face‐to‐face initial interactions, close relationships, and social media. There was clear evidence for cross‐contextual consistency, such that expressive accuracy in face‐to‐face first impressions, based on brief round‐robin interactions, was associated with expressive accuracy with close others (Sample 1; N targets = 514; N dyads = 1656) and based on Facebook profiles (Samples 2 and 3: N targets = 126–132; N dyads = 1170–1476). This was found on average across traits and for high and low observability traits. Further, unique predictors emerged for different types of expressive accuracy, with psychological adjustment and conscientiousness most consistently linked to overall expressive accuracy, extraversion most consistently linked to high observability expressive accuracy, and neuroticism most consistently linked to low observability expressive accuracy. In sum, expressive accuracy appears to emerge robustly and consistently across contexts, although its predictors may differ depending on the type of trait.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 tête enseignante, 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 ».