Do People Answer Honestly When Asked About a No Honest Behavior?
Notice bibliographique
Résumé
Abstract: Recently assessment of bullshitting has gained considerable interest. However, self-report measures of bullshitting are at risk of socially desirability (SD) responding because people are questioned about a sensitive and personal topic (i.e., their tendency to embellish or modify the truth to portray themselves positively). This study aims to identify the impact of SD on the Bullshitting Frequency Scale (BSF) to ensure that the scale can provide sound measures. Italian ( N = 298, 69.80% female) and English participants ( N = 301, 72.76% female) were recruited. To overcome some limitations of the classical procedures used to deal with SD, factor analysis was employed to identify and control this response bias. At the same time, the validation of the Italian version of the BSF (BSF-I) was conducted to provide evidence that the scale maintains its psychometric properties once translated into Italian. Factor analysis confirmed the two-factor structure of the scale and factor loadings indicated a minimal impact of SD. Multidimensional IRT showed moderate to excellent MDISC values and strong conditional reliability. Multigroup CFA indicated strict invariance across genders and metric invariance across Italian and English versions. The BSF-I showed sound psychometric properties and these findings suggest that people answer honestly when asked about bullshitting.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».