دانلود مقاله ISI انگلیسی شماره 123717
ترجمه فارسی عنوان مقاله

کامپوزیت های وزنی از جنبه های شخصیتی: بررسی وزن واحد، عقلانی و مکانیکی

عنوان انگلیسی
Weighted composites of personality facets: An examination of unit, rational, and mechanical weights
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
123717 2018 50 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Research in Personality, Volume 73, April 2018, Pages 1-11

ترجمه کلمات کلیدی
شخصیت، سلسله مراتب شخصیت، وزن گذاری دیفرانسیل، چهره ها، وزن رگرسیون، وزن واحد وزنهای ذهنی،
کلمات کلیدی انگلیسی
Personality; Personality hierarchy; Differential weighting; Facets; Regression weights; Unit weights; Rational weights;
ترجمه چکیده
تحقیقات گذشته نشان می دهد که جنبه های شخصیت در یک عامل واحد اغلب به معیارهای مختلف مرتبط است. این بدان معنی است که مقادیر دیفرانسیلی نقاط ممکن است مفید باشد. ما بر اساس وزن بندی واحد، وزنهای عقلی و وزنهای مکانیکی از لحاظ پیش بینی تجربی و درک نظری در نظر گرفتیم. دو مطالعه نشان می دهد که کامپوزیت های چهره شخصیت وزن رگرسیونی بهترین عملکرد را دارند. وزنهای ذهنی نسبتا خوب و وزنه های واحد بدترین عملکرد را انجام دادند. این یافته ها نشان می دهد که وزن رگرسیون بهتر است زمانی که اندازه نمونه ها بزرگ است و وزن نرمال پیش بینی می کند بدون نیاز به یک مطالعه تجربی بزرگ. ما توصیه می کنیم با استفاده از اقدامات شخصیتی در سطح فیزیکی، از مزایای پیش بینی و توسعه تئوری که می توان از مطالعه وزن و روابط معیار نقشی برخوردار باشد استفاده کرد.
پیش نمایش مقاله
پیش نمایش مقاله  کامپوزیت های وزنی از جنبه های شخصیتی: بررسی وزن واحد، عقلانی و مکانیکی

چکیده انگلیسی

Past research indicates that personality facets within the same factor are often differentially related to criteria. This implies that differential weighting of facets may be advantageous. We considered unit weighting, rational weights, and mechanical weights in terms of empirical prediction and theoretical understanding. Two studies indicate that regression weighted personality facet composites performed best. Rational weights performed moderately well and unit weights performed worst. These findings suggest that regression weights are best when sample sizes are large, and rational weighting offers moderate prediction without the need for a large empirical study. We recommend using facet-level personality measures to take advantage of the predictiveness and theory development that can be gained from studying facet-criterion weights and relations.