Development and Validation of the Short Version of the Sense of Humor Scale (SHS-S)
Notice bibliographique
Résumé
Abstract. Humor training has become increasingly popular to enhance the “sense of humor” and well-being and to decrease depressive symptoms. Despite the wide applications of these training programs, the assessment of training efficacy has attracted less attention. The Sense of Humor Scale (SHS; McGhee, 1996 , 1999 ) recently was expanded to a long version (SHS-L) to enhance its internal consistency ( Ruch & Heintz, 2018 ). At the same time, there is also the need for a brief version of this scale. The purpose of the present study is to develop a short version (SHS-S) in both German- and English-speaking countries, test its psychometric properties (internal consistency, factorial, construct, and criterion validity), and assess measurement invariance across gender and the two languages. Using three samples (Sample 1: 570 English-speakers, Sample 2: 353 German-speakers, Sample 3: 94 other-reports), the 29-item SHS-S was developed and yielded promising internal consistency and validity scores for the six humor skill factors of enjoyment of humor, laughter, verbal humor, finding humor in everyday life, laughing at yourself, and humor under stress. Overall, the SHS-S is an internally consistent, valid, and economic tool for future research and group-based applications, while the SHS-L seems especially useful in individual applications.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».