Approche des traits de personnalité : postulats, controverses et progrès récents
Bibliographic record
Abstract
Les traits constituent l’unité de mesure de la personnalité la plus employée en recherche. Puisque plusieurs études longitudinales ont démontré que les traits de personnalité sont reliés à l’apparition et l’évolution de différents problèmes d’adaptation chez les enfants, les adolescents et les adultes, les questionnaires de traits de personnalité sont aussi de plus en plus utilisés pour l’évaluation clinique dans différents contextes d’intervention. Il est donc important pour les professionnels de l’intervention psychosociale de bien comprendre l’approche des traits de personnalité. Le trait de personnalité demeure pourtant un concept mal compris. Cet article tente de clarifier et de définir rigoureusement ce concept en expliquant les principaux postulats de l’approche des traits de personnalité. La présentation de ces postulats permet de souligner les principales controverses à propos de l’existence, la validité et l’utilité pratique des traits de personnalité. Bien qu’il reste des problèmes conceptuels et méthodologiques à résoudre, les recherches empiriques disponibles démontrent que les traits ont atteint un statut scientifique satisfaisant et qu’ils constituent des unités de mesure fondamentales de la personnalité humaine utiles autant pour la recherche que la pratique clinique.
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 | 0.032 | 0.057 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.002 | 0.014 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".