Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms
Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
Validação de um modelo de traços de personalidade positivos e negativoscomo preditores do bem-estar psicológico aplicando algoritmos de machine learning
| 2024 | |
|
positive traits negative traits personality psychological well-being algorithms rasgos positivos rasgos negativos personalidad bienestar psicológico algoritmos traços positivos traços negativos personalidade bem-estar psicológico algoritmos |
|
| Español | |
| Universidad Católica del Uruguay | |
| LIBERI | |
| https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286 | |
| Acceso abierto |
| _version_ | 1815178691585507328 |
|---|---|
| author | Castro Solano, Alejandro |
| author2 | Lupano Perugini, María Laura Caporiccio Trillo , Micaela Ailén Cosentino, Alejandro César |
| author2_role | author author author |
| author_facet | Castro Solano, Alejandro Lupano Perugini, María Laura Caporiccio Trillo , Micaela Ailén Cosentino, Alejandro César |
| author_role | author |
| collection | LIBERI |
| dc.creator.none.fl_str_mv | Castro Solano, Alejandro Lupano Perugini, María Laura Caporiccio Trillo , Micaela Ailén Cosentino, Alejandro César |
| dc.date.none.fl_str_mv | 2024-05-17 |
| dc.description.en-US.fl_txt_mv | The objective of the study was to verify a predictive model of positive and negative personality traits taking psychological well-being as a criterion through the implementation of machine learning algorithms. 2038 adult subjects (51.9 % women) participated. For data collection were used: Big Five Inventory and Mental Health Continuum-Short Form. In addition, to assess the positive and negative personality traits, the already validated items of the positive (HFM) and negative trait models (BAM), were used jointly. Based on the findings found, it was possible to verify that the predictive efficacy of the tested model of positive and negative traits, derived from a lexical approach, was superior to the predictive capacity of normal personality traits for the prediction of well-being. |
| dc.description.es-ES.fl_txt_mv | El objetivo de este estudio fue verificar un modelo predictivo de rasgos de personalidad positivos y negativos tomando como criterio el bienestar psicológico mediante la implementación de algoritmos de machine learning. Participaron 2038 sujetos adultos (51.9 % mujeres). Para la recolección de datos se utilizó: Big Five Inventory y Mental Health Continuum-Short Form. Además, para evaluar los rasgos positivos y negativos de personalidad se utilizaron los ítems ya validados de los modelos de rasgos positivos (HFM) y negativos (BAM) de forma conjunta. A partir de los hallazgos encontrados se pudo verificar que la eficacia predictiva del modelo testeado de rasgos positivos y negativos derivados de un enfoque léxico resultó superior a la capacidad predictiva de los rasgos normales de personalidad para la predicción del bienestar. |
| dc.description.pt-PT.fl_txt_mv | O objetivo do estudo foi verificar um modelo preditivo de traços de personalidade positivos e negativos tendo como critério o bem-estar psicológico por meio da implementação de algoritmos de machine learning. Participaram 2.038 sujeitos adultos (51,9 % mulheres). Para a coleta de dados foram utilizados: Big Five Inventory e Mental Health Continuum-Short Form. Além disso, para avaliar os traços de personalidade positivos e negativos, foram utilizados conjuntamente os itens já validados dos modelos de traços positivos (HFM) e negativos (BAM). Foi possível verificar que a eficácia preditiva do modelo testado de traços positivos e negativos derivados de uma abordagem lexical foi superior à capacidade preditiva de traços normais de personalidade para a predição do bem-estar. |
| dc.format.none.fl_str_mv | application/pdf application/pdf text/html |
| dc.identifier.none.fl_str_mv | https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286 10.22235/cp.v18i1.3286 |
| dc.language.iso.none.fl_str_mv | spa eng |
| dc.publisher.es-ES.fl_str_mv | Universidad Católica del Uruguay |
| dc.relation.none.fl_str_mv | https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286/3258 https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286/3259 https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286/3315 |
| dc.rights.es-ES.fl_str_mv | Derechos de autor 2024 Universidad Católica del Uruguay https://creativecommons.org/licenses/by/4.0 |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
| dc.source.en-US.fl_str_mv | Ciencias Psicológicas; 2024, Volumen 18(1); e-3286 |
| dc.source.es-ES.fl_str_mv | Ciencias Psicológicas; 2024, Volumen 18(1); e-3286 |
| dc.source.none.fl_str_mv | 1688-4221 10.22235/cp.v18i1 reponame:LIBERI instname:Universidad Católica del Uruguay instacron:Universidad Católica del Uruguay |
| dc.source.pt-PT.fl_str_mv | Ciencias Psicológicas; 2024, Volumen 18(1); e-3286 |
| dc.subject.en-US.fl_str_mv | positive traits negative traits personality psychological well-being algorithms |
| dc.subject.es-ES.fl_str_mv | rasgos positivos rasgos negativos personalidad bienestar psicológico algoritmos |
| dc.subject.pt-PT.fl_str_mv | traços positivos traços negativos personalidade bem-estar psicológico algoritmos |
| dc.title.none.fl_str_mv | Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning Validação de um modelo de traços de personalidade positivos e negativoscomo preditores do bem-estar psicológico aplicando algoritmos de machine learning |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
| dc.type.version.none.fl_str_mv | info:eu-repo/semantics/publishedVersion |
| description | The objective of the study was to verify a predictive model of positive and negative personality traits taking psychological well-being as a criterion through the implementation of machine learning algorithms. 2038 adult subjects (51.9 % women) participated. For data collection were used: Big Five Inventory and Mental Health Continuum-Short Form. In addition, to assess the positive and negative personality traits, the already validated items of the positive (HFM) and negative trait models (BAM), were used jointly. Based on the findings found, it was possible to verify that the predictive efficacy of the tested model of positive and negative traits, derived from a lexical approach, was superior to the predictive capacity of normal personality traits for the prediction of well-being. |
| eu_rights_str_mv | openAccess |
| format | article |
| id | LIBERI_022e3db18e3a4b4f278613231576cc3f |
| identifier_str_mv | 10.22235/cp.v18i1.3286 |
| instacron_str | Universidad Católica del Uruguay |
| institution | Universidad Católica del Uruguay |
| instname_str | Universidad Católica del Uruguay |
| language | spa eng |
| network_acronym_str | LIBERI |
| network_name_str | LIBERI |
| oai_identifier_str | oai:liberi.ucu.edu.uy:10895/4612 |
| publishDate | 2024 |
| reponame_str | LIBERI |
| repository.mail.fl_str_mv | franco.pertusso@ucu.edu.uy |
| repository.name.fl_str_mv | LIBERI - Universidad Católica del Uruguay |
| repository_id_str | 10342 |
| rights_invalid_str_mv | Derechos de autor 2024 Universidad Católica del Uruguay https://creativecommons.org/licenses/by/4.0 |
| spelling | Castro Solano, AlejandroLupano Perugini, María LauraCaporiccio Trillo , Micaela AilénCosentino, Alejandro César2024-05-17https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/328610.22235/cp.v18i1.3286The objective of the study was to verify a predictive model of positive and negative personality traits taking psychological well-being as a criterion through the implementation of machine learning algorithms. 2038 adult subjects (51.9 % women) participated. For data collection were used: Big Five Inventory and Mental Health Continuum-Short Form. In addition, to assess the positive and negative personality traits, the already validated items of the positive (HFM) and negative trait models (BAM), were used jointly. Based on the findings found, it was possible to verify that the predictive efficacy of the tested model of positive and negative traits, derived from a lexical approach, was superior to the predictive capacity of normal personality traits for the prediction of well-being.El objetivo de este estudio fue verificar un modelo predictivo de rasgos de personalidad positivos y negativos tomando como criterio el bienestar psicológico mediante la implementación de algoritmos de machine learning. Participaron 2038 sujetos adultos (51.9 % mujeres). Para la recolección de datos se utilizó: Big Five Inventory y Mental Health Continuum-Short Form. Además, para evaluar los rasgos positivos y negativos de personalidad se utilizaron los ítems ya validados de los modelos de rasgos positivos (HFM) y negativos (BAM) de forma conjunta. A partir de los hallazgos encontrados se pudo verificar que la eficacia predictiva del modelo testeado de rasgos positivos y negativos derivados de un enfoque léxico resultó superior a la capacidad predictiva de los rasgos normales de personalidad para la predicción del bienestar.O objetivo do estudo foi verificar um modelo preditivo de traços de personalidade positivos e negativos tendo como critério o bem-estar psicológico por meio da implementação de algoritmos de machine learning. Participaram 2.038 sujeitos adultos (51,9 % mulheres). Para a coleta de dados foram utilizados: Big Five Inventory e Mental Health Continuum-Short Form. Além disso, para avaliar os traços de personalidade positivos e negativos, foram utilizados conjuntamente os itens já validados dos modelos de traços positivos (HFM) e negativos (BAM). Foi possível verificar que a eficácia preditiva do modelo testado de traços positivos e negativos derivados de uma abordagem lexical foi superior à capacidade preditiva de traços normais de personalidade para a predição do bem-estar.application/pdfapplication/pdftext/htmlspaengUniversidad Católica del Uruguayhttps://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286/3258https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286/3259https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286/3315Derechos de autor 2024 Universidad Católica del Uruguayhttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessCiencias Psicológicas; 2024, Volumen 18(1); e-3286Ciencias Psicológicas; 2024, Volumen 18(1); e-3286Ciencias Psicológicas; 2024, Volumen 18(1); e-32861688-422110.22235/cp.v18i1reponame:LIBERIinstname:Universidad Católica del Uruguayinstacron:Universidad Católica del Uruguaypositive traitsnegative traitspersonalitypsychological well-beingalgorithmsrasgos positivosrasgos negativospersonalidadbienestar psicológicoalgoritmostraços positivostraços negativospersonalidadebem-estar psicológicoalgoritmosValidation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithmsValidación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learningValidação de um modelo de traços de personalidade positivos e negativoscomo preditores do bem-estar psicológico aplicando algoritmos de machine learninginfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/publishedVersion10895/46122024-07-14 20:08:11.406oai:liberi.ucu.edu.uy:10895/4612Universidadhttps://www.ucu.edu.uy/https://liberi.ucu.edu.uy/oai/requestfranco.pertusso@ucu.edu.uyUruguayopendoar:103422024-07-14T23:08:11LIBERI - Universidad Católica del Uruguayfalse |
| spellingShingle | Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms Castro Solano, Alejandro positive traits negative traits personality psychological well-being algorithms rasgos positivos rasgos negativos personalidad bienestar psicológico algoritmos traços positivos traços negativos personalidade bem-estar psicológico algoritmos |
| status_str | publishedVersion |
| title | Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms |
| title_full | Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms |
| title_fullStr | Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms |
| title_full_unstemmed | Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms |
| title_short | Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms |
| title_sort | Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms |
| topic | positive traits negative traits personality psychological well-being algorithms rasgos positivos rasgos negativos personalidad bienestar psicológico algoritmos traços positivos traços negativos personalidade bem-estar psicológico algoritmos |
| url | https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286 |
