Person-Centered Associations between High- and Low-Risk Personality Profiles and Psychological Adjustment in University Students
Notice bibliographique
Résumé
Personality traits are considered potential risk or protective factors for learning and psychological adjustment. This is a concern in higher education settings, which comprise mostly youth in emerging adulthood. The purpose of this study is to apply a person-centered approach to identify personality profiles of university students based on their character traits and then evaluate whether some clusters predict differences in emotional distress and coping strategies. We conducted a cross-sectional web-based survey with 467 southern Italian undergraduate university students ( <a:math xmlns:a="http://www.w3.org/1998/Math/MathML" id="M1"><a:mi>M</a:mi><a:mo>=</a:mo><a:mn>21.8</a:mn></a:math> , <c:math xmlns:c="http://www.w3.org/1998/Math/MathML" id="M2"><c:mtext>SD</c:mtext><c:mo>=</c:mo><c:mn>3.69</c:mn></c:math> ). Students completed an anonymous online survey and self-report questionnaires measuring sociodemographic characteristics, personality traits (Personality Inventory for DSM-5), emotional distress (General Anxiety Disorders-7, Patient Health Questionnaire-9), and coping strategies (Brief-COPE). Two distinct clusters were identified, differing in relation to maladaptive personality traits. One was characterized by high maladaptive personality traits, comprising 45.6% of the sample population. This high-risk profile evidenced higher levels of negative affect, detachment, psychoticism, antagonism, and disinhibition. A second cluster, with low maladaptive personality traits, represented the remainder of the sample. Participants featuring high maladaptive personality traits reported lower functioning in terms of avoidant coping strategies in comparison to the second low-risk cluster. Generating profiles of latent traits, such as in cluster analysis, can enhance a more profound theoretical understanding of underlying patterns within personality traits. This can enable higher education settings to meet variations in student needs by adapting their support services and interventions. Students can be trained to use coping strategies more effectively and efficiently.
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) | 0,000 | 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 ».