The state-trait model of cheerfulness: Tests of measurement invariance and latent mean differences in European and Chinese Canadian students
Notice bibliographique
Résumé
The State-Trait Cheerfulness Inventory (STCI) assesses latent traits and states of cheerfulness, seriousness, and bad mood to represent the temperamental basis of humor. The present study (1) tested the generalizability of the three-factor model in both state and trait versions of the STCI across European Canadian (N = 489) and first generation Chinese Canadian (N = 147) participants completing the English version of the STCI and (2) compared latent mean differences. Results indicated the confirmatory factor analyses of the three-factor model for European White participants born in Canada and Chinese participants born in China showed adequate fit for both trait and state measures. Furthermore, substantial equivalence of factor model parameters and partial scalar invariance were found for both the state and trait STCI measures. In examining latent mean differences, European White Canadian participants reported significantly higher trait cheerfulness, z = 3.30, p < .001, d = 0.84, and lower trait bad mood z = 3.25, p < .01, d = 0.80 compared to the Chinese Canadian groups. European White Canadian participants reported significantly lower state bad mood, z = 3.59, p < .001, d = 1.15, compared to the Chinese Canadian groups. Limitations and future directions based on study findings are discussed.
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 | 0,002 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».