The happy personality revisited: Re‐examining associations between Big Five personality traits and subjective well‐being using meta‐analytic structural equation modeling
Notice bibliographique
Résumé
OBJECTIVE/BACKGROUND: Using meta-analytic structural equation modeling (MASEM), we examined the link between Big Five personality traits and subjective well-being (SWB), operationalized as three separate components and as a latent factor indicated by life satisfaction (LS), positive affect (PA), and negative affect (NA). PA and NA were assessed based on frequency of a broad range of affective experiences, rather than intensity of high arousal affective experiences, thus excluding studies using the Positive and Negative Affect Schedule. METHOD: 35 samples were included, encompassing 22,135 participants from 14 countries, in which all eight variables were assessed. RESULTS: Correlations among personality traits were moderate, on average, and the latent SWB factor had strong loadings from all three components. Personality traits together explained substantial variance in LS, PA, and NA, and in the latent SWB factor, with unique predictive effects on the latent factor from each personality trait except openness. Associations between personality traits and SWB components were fully accounted for by a latent SWB factor, with one exception: A specific association was found between neuroticism and unique variance in NA. CONCLUSIONS: The present findings provide new insights concerning the notion of a 'happy personality' in showing that Big Five personality traits have unique associations with an underlying sense of SWB.
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 | 0,046 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,021 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».