Humility Throughout the Lifespan and a Global Pandemic: Evidence From a Large‐Scale Cross‐Sectional Study
Notice bibliographique
Résumé
OBJECTIVE: We provide a fine-grained portrait of age-graded differences in Humility across the lifespan. Specifically, we shed light on year-by-year differences and explore differences-in-differences in the wake of the COVID pandemic. METHODS: We used large-scale cross-sectional data (n = 2,025,004) and employed multigroup confirmatory factor analysis, ANOVAs, and multilevel modeling to examine mean-score differences in Humility from age 10 to 70 across the entire sample, and for temporal (pre-COVID, COVID) and geographical (9 countries, 6 US states) subsamples. RESULTS: Across cultures and geographies, Humility mean scores were lowest in late childhood and rose steadily thereafter. They reached their highest levels in late adulthood and exhibited more erratic patterns around retirement age. In the overall and pre-COVID samples, mean-score differences were most pronounced during the transition from early to middle adulthood. In the COVID sample, similar patterns emerged, though we observed generally higher Humility scores, pronounced adolescent disruption, and the biggest differences between early and middle adulthood. CONCLUSIONS: Age-graded trends in Humility aligned fully with some established patterns of personality trait development (i.e., psychological maturation, maturation reversal) and partially with others (i.e., disruption hypothesis). Moreover, the COVID analyses provide preliminary insights into the potential effects of the pandemic on personality development trajectories.
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 | 0,002 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».