Profils latents de traits de personnalité chez des couples en psychothérapie
Bibliographic record
Abstract
Bien que la personnalité exerce une influence sur la satisfaction conjugale, les chercheurs se sont peu intéressés à l’amalgame des traits de personnalité des deux conjoints et à son impact sur la satisfaction. La présente étude vise, d’une part, à déterminer l’existence de profils de couples au sein d’un échantillon de la population clinique et, d’autre part, à observer les distinctions entre ces profils sur la satisfaction conjugale. Pour ce faire, 829 couples en psychothérapie ont complété l’inventaire de personnalité NEO-FFI et l’échelle d’ajustement dyadique. Les analyses en profils latents ont permis d’identifier quatre sous-groupes de couples. Le premier profil est composé de scores modérés, le second présente des femmes avec un profil moins désirable, le troisième inclut des hommes avec un profil moins désirable, et le dernier est constitué de scores élevés sur les traits désirables. Des ANOVAs à mesures répétées suggèrent des différences significatives de satisfaction conjugale entre les profils. Plus précisément, les conjoints appartenant aux profils fonctionnels présentent une meilleure satisfaction comparativement à ceux appartenant aux profils moins fonctionnels. Cette étude a des implications en clinique, pour le développement d’interventions adaptées aux traits de personnalité des conjoints, et également en recherche, de par sa nouvelle méthode d’analyse.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".