Enhancing the Precision of the Self-Compassion Scale Short Form (SCS-SF) with Rasch Methodology
Notice bibliographique
Résumé
Abstract Objectives Precise measurement of self-compassion is essential for informing well-being–related policies. Traditional assessment methods have led to inconsistencies in the factor structure of self-compassion scales. We used Rasch methodology to enhance measurement precision and assess the psychometric properties of the Self-Compassion Scale Short Form (SCS-SF), including its invariance across Ghana, Germany, India, and New Zealand. Method We employed the Partial Credit Rasch model to analyse responses obtained from 1000 individuals randomly selected (i.e. 250 from each country) from a total convenience sample of 1822 recruited from the general populations of Germany, Ghana, India, and New Zealand. Results The initial identification of local dependency among certain items led to a significant misfitting of the SCS-SF to the Rasch model (χ2 (108) = 260.26, p < 0.001). We addressed this issue by merging locally dependent items, using testlets. The solution with three testlets resulted in optimal fit of the SCS-SF to the Rasch model (χ2 (27) = 23.84, p = 0.64), showing evidence of unidimensionality, strong sample targeting (M = 0.20; SD = 0.72), and good reliability (Person Separation Index = 0.71), including invariance across sociodemographic factors. We then developed ordinal-to-interval conversion tables based on the Rasch model’s person estimates. The SCS-SF showed positive correlations with measures of compassion towards others, optimism, and positive affect, alongside negative associations with psychological distress and negative affect. Conclusions The current study supports the reliability, as well as the structural, convergent, and external validity of the SCS-SF. By employing the ordinal-to-interval conversion tables published here, the precision of the measure is significantly enhanced, offering a robust tool for investigating self-compassion across different cultures.
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 | 0,147 | 0,259 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».