Distinguishing perfectionism and excellencism in graduate students: Contrasting links with performance satisfaction, research self‐efficacy, burnout, and dropout intentions
Notice bibliographique
Résumé
Research on perfectionism in graduate school found inconsistent associations between perfectionistic standards and psychological outcomes. Such unanticipated results led to the Model of Excellencism and Perfectionism (MEP), which differentiates between people pursuing excellence and those pursuing perfection. Recent studies with undergraduate students have shown that excellencism and perfectionism are distinct constructs, differentially associated with achievement and psychological outcomes. In this study, we aimed to offer the first empirical test of the MEP in graduate school with a sample of 376 graduate students (i.e. 81% masters, 19% doctoral). Results of confirmatory factor analyses on the Scale of Perfectionism and Excellencism provided evidence for the conceptual separation of excellencism and perfectionism. Results of multiple regression showed that perfection strivers (compared to excellence strivers) reported higher research self-efficacy and satisfaction with their research productivity. When accounting for satisfaction with research productivity, perfection strivers experienced more academic burnout and dropout intentions. Perfectionistic students also used more perfectionistic self-presentation strategies when interacting with their supervisors. Perfectionism was associated with both beneficial and harmful outcomes, which suggests that perfectionism in graduate school is paradoxical and operates like a double-edged sword. These findings are interpreted in light of the need to help graduate students strike a balance between their academic achievements and psychological adjustment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».