Profils latents conjoints d'attachement romantique et de traits de personnalité chez des couples en psychothérapie
Bibliographic record
Abstract
Le présent mémoire doctoral a pour objectif d'identifier les regroupements naturels de l'attachement et de la personnalité des deux partenaires amoureux, de sorte à offrir une compréhension combinée de ces caractéristiques en lien avec la satisfaction conjugale. Pour ce faire, 355 couples recrutés au Service de consultation de l'École de psychologie de l'Université Laval ont rempli trois questionnaires : le questionnaire sur les expériences amoureuses (ECR-12), l'inventaire NEO en cinq facteurs (NEO-FFI) et l'échelle d'ajustement dyadique (DAS). Les analyses de profils latents indiquent que trois profils de couple se dégagent. Le premier se compose de conjoints craintifs avec un névrosisme élevé (profil Craintif-névrosisme élevé, n = 131 couples), le deuxième regroupe une femme sécure avec une personnalité plus fonctionnelle et un homme craintif avec des traits modérés (profil Mixte-fonctionnel, n = 140 couples) et le troisième inclut une femme craintive avec un névrosisme élevé jumelée à un homme détaché avec des traits plus désirables (profil Insécure-mixte, n = 84 couples). Des ANOVAs à mesures répétées ont ensuite permis de repérer des différences significatives de satisfaction conjugale selon le profil du couple. Les résultats montrent une meilleure satisfaction conjugale chez les couples Mixte-fonctionnels comparativement aux deux autres profils, et chez les couples Insécure-mixtes par rapport au profil Craintif-névrosisme élevé. Cette étude a des retombées intéressantes, d'une part en clinique pour guider les psychologues dans la présentation du bilan diagnostique, et d'autre part en recherche par l'exploration d'une nouvelle approche du lien entre la satisfaction des conjoints et leur profil d'attachement et de personnalité.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| 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".