MétaCan
Menu
Retour à la cohorte
Enregistrement W4200623140 · doi:10.31234/osf.io/z9vu6

The Incremental Validity of Average States: A Replication and Extension of Finnigan and Vazire (2018)

2021· preprint· en· W4200623140 sur OpenAlexaff
Simon Mats Breil, Paula Schweppe, Jeremy C. Biesanz, Martin Quintus, Jenny Wagner, Cornelia Wrzus, Steffen Nestler, Mitja D. Back

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésPsychologyPersonalityReplication (statistics)Social psychologyFeelingSampling (signal processing)StatisticsComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

States refer to our momentary thoughts, feelings, and behaviors. Average states (aggregates across multiple time points) are discussed as a more accurate and objective measure of personality compared to global self-reports since they do not only rely on people’s general beliefs about themselves. Specifically, Finnigan and Vazire (2018) argued that, if average states better capture what a person is actually like, this should be reflected in their unique association with informant-reports of personality, and tested this idea based on two experience-sampling studies. Their results showed, however, that average self-reported states did not predict global informant-reported personality above and beyond global self-reports. In this research, we aimed at replicating and extending these results. We used data of five studies (total N = 806) that involved global self- and informant-reports and employed a variety of different experience-sampling methods (time-based with different sampling schedules, event-based). Across all studies, the original results (i.e., no incremental effects of average self-reported states) were replicated. Furthermore, as an extension to the original study, we found that average other-reported states (provided by peers, results based on one study) did indeed predict global informant-reports above and beyond global self-reports. These findings highlight the importance of differentiating between method effects (global reports vs. average states) from source of information effects (self vs. other). We discuss these results, focusing on the suitability of using informant-reports as a criterion variable and conceptual differences between assessment methods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,040
score de la tête « metaresearch » (Gemma)0,139
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,139
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0040,004
Science ouverte0,0020,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,156
Tête enseignante GPT0,446
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineReproductibilité
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMental Health Research TopicsTravaux en français237 207