Assessing the overlap of personality traits and internalizing psychopathology using multi-informant data: Two sides of the same coin?
Notice bibliographique
Résumé
Personality and psychopathology share a hierarchical dimensional structure, developmental trajectories and correlations with varied outcomes. However, quantifying the extent and details of their direct empirical overlap has been hindered by over-reliance on self-reports and broad construct domains. Using multi-method data, we estimated the Big Five personality domains’ and nuances’ (items’) “true” correlations (rtrue) with, and true predictive accuracy (rtruePRED) for, various psychopathology state domains, free of single-method and occasion-specific biases, random error, and direct content overlap. Our sample included Estonian Biobank participants (N = 16,226) who completed psychopathology and comprehensive personality questionnaires, and whose personality traits were also rated by close informants. Personality nuances out-predicted the Big Five domains for psychopathology, with items’ rtruePRED = 0.31…0.58 for specific psychopathology domains of distress, fear, inattention, hyperactivity, insomnia and fatigue, and rtruePRED = 0.52 for the general p-factor. Individual items had various meaningful rtrues with the psychopathology domains. Among the Big Five, neuroticism was the strongest correlate of distress (rtrue = 0.29) and fear (rtrue = 0.13), while inattention was most correlated with conscientiousness (rtrue = –0.56), hyperactivity with extraversion (rtrue = 0.25), fatigue with openness (rtrue = 0.12), and insomnia with conscientiousness (rtrue = 0.12). Associations based on self-reports alone were weaker. We argue for multi-rater and finer-grained assessments of both personality and psychopathology to fully reveal the extent and details of their overlap. This association is likely stronger than typical self-report data suggest, yet psychopathology is not empirically redundant with personality traits.
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 | 0,092 | 0,146 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».