Beyond humor styles: the nature of humor types and differences in basic personality traits from Zuckerman’s Alternative Five-Factor Model
Notice bibliographique
Résumé
BACKGROUND: Findings show that the complex nature of humor and its personality basis can be more comprehensively understood if humor styles are analyzed simultaneously within humor types, rather than separately. PARTICIPANTS AND PROCEDURE: = 353) of self-report responses to the Humor Styles Questionnaire (HSQ) and the Zuckerman-Kuhlman-Aluja Personality Questionnaire-Short Form, this paper outlines how the HSQ responses result in three humor use types following cluster analysis. Cluster differences in humor styles and personality traits were analyzed using ANOVA. RESULTS: In both samples, a humor type characteristic of individuals who scored lower in the positive and higher in the negative humor styles was revealed. People within this humor type also scored significantly higher in the personality measures of neuroticism and aggressiveness. A second humor type replicated in the two studies described individuals scoring higher for each of the four humor styles. People within this type also scored significantly higher on extraversion and sensation seeking, suggesting a need for cortical arousal. The third humor type members scored lower in each of the humor styles (apart from the affiliative humor style scores for one of the samples). This humor type requires further investigation. CONCLUSIONS: In general, humor types provide an additional understanding of humor use as people within the types differ for specific personality dimensions.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».