Development and validation of the Good Lives Questionnaire
Notice bibliographique
Résumé
The Good Lives Model (GLM) is a framework of rehabilitation when working with individuals who have committed criminal offenses. However, its core assumptions (i.e. that the ‘good life’ is comprised of various universal primary human goods) have not been tested, and there is no standardized measure of these concepts. We used a large community sample (N = 1,309) to develop a measure of primary human goods. Our 100-item draft Good Lives Questionnaire (GLQ) was reduced to 35 items via exploratory principal components analysis (n = 900), with its five-factor structure supported by confirmatory factor analysis (n = 409). This structure runs counter to the existing scholarship related to the GLM, which proposes eleven primary human goods. We found each of our factors – ‘Inner Peace’, ‘Energy and Agency’, ‘Social Connectedness’, ‘Varied Leisure Activities’, and ‘Spirituality’ – to be differentially associated with measures of self-reported aggression, criminality, and delinquency, supporting its validity as a measure of crime- and delinquency-related constructs. They were also associated with measures of psychological wellbeing, personal agency, social connectedness, and personality. We discuss the future validation of the GLQ, as well as its potential utility in clinical and forensic settings. An open access preprint of this paper is available at https://psyarxiv.com/5trj9.
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 | 0,017 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».