Dark Triad, Dyad, or Core? A Psychometric Evaluation of the Short Dark Triad (SD3) Across Three Countries
Notice bibliographique
Résumé
Abstract Since its introduction to personality psychology literature in 2002, the study of Dark Triad personality traits has gained traction across nations. However, there exists theoretical debate regarding the empirical distinctiveness of traits. Moreover, despite universal study across countries, the Short Dark Triad (SD3) lacks validation for use in all populations. The objective of this study was to scrutinise SD3 performance across three nations, including the United Kingdom (n = 617), Canada (n = 263), and Russia (n = 1048). Specifically, factor structure and item-person functioning of the SD3 was assessed across samples. Exploratory structural equation modelling designated that a three-factor bifactor solution provided superior data-fit. In this model, SD3 items loaded on a general factor, in addition to loading on Machiavellianism, narcissism, and psychopathy dimensions. This enabled scrutiny of the degree to which SD3 items reflected a shared general dimension vs. individual subfactors. Further analyses revealed that the general factor did not possess sufficient variance to disqualify the SD3 as multidimensional. Rasch analyses focusing on the three subscales supported unidimensionality and satisfactory item fit. However, inadequate reliability existed, and items exhibited differential item functioning across nations. Although the SD3 can be considered a valid tool for capturing Dark Triad traits across countries, concerns relating to reliability and DIF suggested that revising SD3 items would enhance measurement precision.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».