Bibliographic record
Abstract
Evolutionäre Herangehensweisen hatten in der Persönlichkeitspsychologie nicht den gleichen Erfolg wie in anderen Bereichen der Psychologie. In dieser Dissertation werden zwei alternative evolutionäre Herangehensweisen an die Persönlichkeitspsychologie diskutiert und angewendet. Die evolutionsgenetische Herangehensweise fragt, warum genetische Varianz in Persönlichkeitsunterschieden existiert. Im ersten Teil dieser Dissertation werden verschiedene evolutionsgenetische Mechanismen, die genetische Varianz erklären können, verglichen. Auf Grundlage evolutionsgenetischer Theorie und empirischen Befunden aus der Verhaltensgenetik und Persönlichkeitspsychologie wird geschlussfolgert, dass ein Mutations-Selektions-Gleichgewicht genetische Varianz in Intelligenz gut erklären kann, während ausgleichende Selektion durch Umweltheterogenität die plausibelste Erklärung für genetische Unterschiede in Persönlichkeitseigenschaften ist. Komplementär zur evolutionsgenetischen Herangehensweise beginnt die „Life History“-Herangehensweise damit, wie Menschen ihre Ressourcen in evolutionär relevante Lebensbereiche investieren. Im zweiten Teil der Dissertationsschrift wird diese Herangehensweise am Beispiel von Investitionsunterschieden in Langzeit- versus Kurzzeit-Paarungstaktiken (wie im Konstrukt der Soziosexualität abgebildet) erläutert. Zwei neue Maße zur Erfassung von Soziosexualitätskomponenten werden vorgestellt. Während das revidierte Soziosexuelle Orientierungsinventar (SOI-R) ein Fragebogen zur Erfassung der Facetten „Verhalten“, „Einstellung“ und „Begehren“ ist, wurde mit dem Single-Attribute Impliziten Assoziationstest (SA-IAT) eine neue Methode zur indirekten Erfassung impliziter Soziosexualität entwickelt. Beide Maße zeigten konkurrente Validität in Onlinestudien, aber nur der SOI-R erwies sich als prädiktiv für Paarungstaktiken, einschließlich beobachtetem Flirtverhalten sowie der Zahl der Sexualpartner und Veränderungen im Beziehungsstatus innerhalb der nächsten 12 Monate.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.008 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".