Dark Triad Traits and Cyberbullying Perpetration: Addressing Current Limitations in Dark Triad Studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cyberbullying remains a recurring problem in the digital age. Individual differences in Dark Triad personality traits (i.e., psychopathy, narcissism, Machiavellianism) have emerged as consistent predictors of cyberbullying. However, these findings may be affected by methodological limitations, including statistical partialing and the use of short, unidimensional, scales that conflate psychopathy and Machiavellianism. This study examined associations between cyberbullying perpetration and facets of psychopathy, Machiavellianism, and narcissism, while addressing the methodological shortcomings of previous studies. Canadian adults (N = 1,725) completed items pertaining to cyberbullying perpetration, along with the Self-Report Psychopathy Scale short form (SRP-4-SF), the Five Factor Machiavellianism Inventory (FFMI), the Narcissistic Grandiosity Scale (NGS), and the Narcissistic Vulnerability Scale (NVS). Confirmatory factor analysis supported the proposed structure of the SRP-4-SF, NGS, and NVS, but not the FFMI. Separate structural equation models were computed to estimate the association between each antagonistic trait and cyberbullying perpetration, controlling for age and sex. The antisocial facet of psychopathy and grandiose and vulnerable narcissism were significant positive predictors of cyberbullying perpetration. Cyberbullying prevention may be improved by designing interventions that account for the antisocial and narcissistic tendencies of cyberbullies. Focusing future research on narcissism and psychopathy would allow for greater scientific consilience within personality psychology.
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.
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 | 0,001 |
| 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 découle