Psychometric Properties of the Defense Mechanisms Rating Scales-Self-Report-30 (DMRS-SR-30): Internal Consistency, Validity and Factor Structure
Notice bibliographique
Résumé
Assessment of defense mechanisms has a longstanding history within the clinical psychology and psychopathology literature. Despite their centrality to clinical practice, there are few self-report measures that assess defenses and, those that do exist, have limitations in addressing individual defenses and levels of defensive functioning. To address this need, we investigated the psychometric properties of the Defense Mechanisms Rating Scale - Self-Report − 30 item (DMRS-SR-30) with a global, community sample of 1,539 participants who responded to an online survey about distress and coping. Exploratory factor analysis found a three-factor model for the DMRS-SR-30 – mature, mental inhibition and avoidance, and immature-depressive. Internal consistency was high for the Overall Defensive Functioning (ODF) and the three extracted factors with coefficient alphas ranging from .75 to .90. Examination of concurrent validity with a commonly used measure of defensive functioning found significant relationships in the predicted directions. The group of immature defenses had the strongest concurrent validity (r = .50). Finally, correlations with external criteria – including psychological distress and adverse childhood experiences – supported the convergent and discriminant validity of the DMRS-SR-30. The three factor structure of the DMRS-SR-30 has good psychometric properties. Limitations and directions for future research, as well as clinical implications, are described.
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) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».