Le biais d’attribution d’intention hostile et les traits de la personnalité limite : Une étude de potentiel relié aux évènements.
Notice bibliographique
Résumé
Ce mémoire s’intéresse aux processus cognitifs sous-tendant les comportements agressifs réactifs auprès d’une population possédant des traits de la personnalité limite (TPL), mais pas nécessairement le diagnostic TPL. Une association a été démontrée entre le biais d’attribution d’intention hostile (BAIH) et les comportements agressifs, mais cette relation n’a pas encore été considérée auprès d’une population possédant des traits TPL. Pour atteindre cet objectif, une réplication méthodologique de l’étude de Gagnon et coll. (2016) qui propose une méthode d’évaluation du BAIH par le biais de la méthode de potentiel relié aux évènements (PRÉ) a été effectuée. La tâche de violation des attentes hostiles utilisée permet d’éliciter une composante N400, représentant une déflexion négative dans le tracé des PRÉs lorsque les attentes du sujet sont violées. Le second objectif visait à vérifier l’hypothèse selon laquelle le BAIH aurait un effet médiateur dans la relation entre les traits TPL et l’agressivité réactive. Soixante-trois personnes ont participé à l’étude. Le Personality Assessment Inventory-Borderline (PAI-BOR) a permis de mesurer les traits TPL des participants et le Reactive-Proactive Aggression Questionnaire (RPQ) de mesurer leur tendance à réagir de manière agressive. Les résultats ont permis de confirmer la relation entre les traits TPL et l’agressivité réactive, et entre le BAIH et l’agressivité réactive. L’effet médiateur attendu n’a pas été retrouvé entre l’effet N400 de la condition non hostile mesurant la violation des attentes hostiles, et la relation entre les traits TPL et l’agressivité réactive. D’autres études seraient nécessaires avant de pouvoir affirmer que des interventions basées sur les interprétations en situation sociale seraient efficaces.
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 | 0,012 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».