Propriétés psychométriques de la version française de l'inventaire de sentiment de culpabilité
Bibliographic record
Abstract
Objectif: Le sentiment de culpabilité est essentiel au bon fonctionnement interpersonnel mais peut également jouer un rôle dans les conduites autodestructrices. Bien qu'il existe une vingtaine d'échelles de culpabilité en anglais, aucune n'a été à ce jour validée en langue française. Cette étude pallie ce manque en proposant une version française de l'Inventaire de culpabilité (IC, « Guilt Inventory ») qui évalue le sentiment de culpabilité état et trait, ainsi que les standards moraux. Méthode: Sept cent trente-huit étudiants ont rempli l'IC français ainsi que des échelles évaluant l'anxiété trait et état, et les compétences empathiques. Dans un sous-groupe de cet échantillon, nous avons également évalué la dépression, la désirabilité sociale et les facteurs de personnalité. Résultats: L'analyse factorielle exploratoire, menée sur la moitié des participants, a conduit à conserver 18 des 20 items de l'IC trait, et 9 des 10 items de l'IC état, mais à écarter l'échelle des standards moraux. L'analyse factorielle confirmatoire, effectuée sur l'autre moitié de l'échantillon, a validé cette structure en deux facteurs. Les corrélations attendues entre les scores de culpabilité, d'affectivité négative et de fonctionnement interpersonnel ont été observées. Conclusion: Cette étude suggère que la version française de l'IC constitue une mesure satisfaisante du sentiment de culpabilité trait et état et pourrait s'avérer un instrument utile tant pour la recherche qu'à des fins cliniques.
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 | 0.011 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".