MétaCan
Menu
Retour à la cohorte
Enregistrement W4410951783 · doi:10.3389/fpsyg.2025.1539785

Measuring emotional intelligence with the MSCEIT 2: theory, rationale, and initial findings

2025· article· en· W4410951783 sur OpenAlexaff
John D. Mayer, David R. Caruso, Peter Salovey, Iris Y. Lin, Braden J. Hansma, Joanna Solomon, Gill Sitarenios, Manolo Romero Escobar

Notice bibliographique

RevueFrontiers in Psychology · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensPublic Health Ontario
Organismes subventionnairesnon disponible
Mots-clésPsychologyEmotional intelligenceCognitive psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Introduction The model of emotional intelligence as an ability has evolved since its introduction 35 years ago. The revised model includes that emotional intelligence (EI) is a broad intelligence within the Cattell-Horn-Carroll (CHC) model of intelligence, and that more areas of problem solving are involved than originally detailed. An argument is made here that veridical scoring of EI test responses is a sound procedure relative to scoring keys based on expert consensus or a single emotion theory. To the degree that EI fits present-day theories of intelligence (i.e., the CHC model), any subsidiary factors of EI reasoning should correlate highly with one another. These and other considerations led to a revision of the original Mayer-Salovey-Caruso Emotional Intelligence Test (MSCEIT) to the MSCEIT 2. Methods The MSCEIT 2 was developed and tested across 5 studies: Two preliminary studies concerned, first, the viability of new item sets (Study 1, N = 43) and, in Study 2 ( N = 8), the development of a veridical scoring key for each test item with the assistance of Ph.D. area experts. Next, a pilot study (Study 3, N = 523) and a normative study (Study 4, N = 3,000) each focused on the test’s item performance and factor structure, including whether a four-domain model continued to fit the data in a manner consistent with a cohesive broad intelligence. Study 5 ( N = 221) examined the relation between the original and revised tests. Results The studies provide evidence for factor-supported subscale scores, and good reliability at the overall test level, with acceptable reliabilities for 3 of the 4 subscale scores, and adequate measurement precision across the range of most test-takers’ abilities. Discussion Overall, the MSCEIT 2 used updated theory to guide its construction and development. Its test scores fit the CHC model, and correlate with the original MSCEIT. The revised test is 33% shorter than the original.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,685

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,347
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetEmotional Intelligence and PerformanceTravaux en français237 207