Faking by actual applicants on personality tests: A meta‐analysis of within‐subjects studies
Notice bibliographique
Résumé
Abstract Background Researchers have used within‐subjects designs to assess personality faking in real‐world contexts. However, no research is available to (a) characterize the typical finding from these studies and (b) examine variability across study results. Aims The current study was aimed at filling these gaps by meta‐analyzing actual applicants’ responses to personality measurements in high‐stakes contexts versus low‐stakes contexts reported in within‐subjects studies. Materials & Methods This meta‐analysis examined 20 within‐subjects applicant–honest studies (where individuals completed an assessment once as applicants and again in a low‐stakes setting). Results We found that applicants had moderately higher (more socially desirable) means, slightly reduced variability, and stronger rank‐order consistency in high‐stakes settings. The assessment order moderated the findings; studies with a high‐to‐low order (where the high‐stakes setting was introduced first) showed a stronger faking effect—demonstrated by higher means and weaker rank‐order consistencies—than those in a low‐to‐high order. Discussion and Conclusion These findings are consistent with expectations that, relative to low‐stakes situations, individuals tend to exaggerate, in a positive direction, their personality descriptions as job applicants. In addition, assessment order matters when understanding the magnitudes of faking effects.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».