Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning

Autores
Castro Solano, Alejandro; Lupano Perugini, Maria Laura; Caporiccio Trillo, Micaela; Cosentino, Alejandro César
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
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.
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.
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.
Fil: Castro Solano, Alejandro. Universidad de Palermo; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Lupano Perugini, Maria Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Palermo; Argentina
Fil: Caporiccio Trillo, Micaela. Universidad de Palermo; Argentina
Fil: Cosentino, Alejandro César. Universidad de Palermo; Argentina
Materia
RASGOS POSITIVOS
RASGOS NEGATIVOS
PERSONALIDAD
RASGOS PSICOLÓGICOS
ALGORITMOS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/236771
Acceder
id CONICETDig_8d0c9ed45aeb527cc7859526a2cf9589
oai_identifier_str oai:ri.conicet.gov.ar:11336/236771
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learningValidation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithmsValidação de um modelo de traços de personalidade positivos e negativoscomo preditores do bem-estar psicológico aplicando algoritmos de machine learningCastro Solano, AlejandroLupano Perugini, Maria LauraCaporiccio Trillo, MicaelaCosentino, Alejandro CésarRASGOS POSITIVOSRASGOS NEGATIVOSPERSONALIDADRASGOS PSICOLÓGICOSALGORITMOShttps://purl.org/becyt/ford/5.1https://purl.org/becyt/ford/5El 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.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.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.Fil: Castro Solano, Alejandro. Universidad de Palermo; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Lupano Perugini, Maria Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Palermo; ArgentinaFil: Caporiccio Trillo, Micaela. Universidad de Palermo; ArgentinaFil: Cosentino, Alejandro César. Universidad de Palermo; ArgentinaUniversidad Católica de Uruguay2024-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/236771Castro Solano, Alejandro; Lupano Perugini, Maria Laura; Caporiccio Trillo, Micaela; Cosentino, Alejandro César; Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning; Universidad Católica de Uruguay; Ciencias Psicológicas; 18; 1; 5-2024; 1-161688-4221CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/doi/10.22235/cp.v18i1.3286info:eu-repo/semantics/altIdentifier/url/https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T09:50:59Zoai:ri.conicet.gov.ar:11336/236771instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 09:51:00.183CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
Validation of a model of positive and negative personality traits as predictors of psychological well-being using machine learning algorithms
Validação de um modelo de traços de personalidade positivos e negativoscomo preditores do bem-estar psicológico aplicando algoritmos de machine learning
title Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
spellingShingle Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
Castro Solano, Alejandro
RASGOS POSITIVOS
RASGOS NEGATIVOS
PERSONALIDAD
RASGOS PSICOLÓGICOS
ALGORITMOS
title_short Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
title_full Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
title_fullStr Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
title_full_unstemmed Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
title_sort Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning
dc.creator.none.fl_str_mv Castro Solano, Alejandro
Lupano Perugini, Maria Laura
Caporiccio Trillo, Micaela
Cosentino, Alejandro César
author Castro Solano, Alejandro
author_facet Castro Solano, Alejandro
Lupano Perugini, Maria Laura
Caporiccio Trillo, Micaela
Cosentino, Alejandro César
author_role author
author2 Lupano Perugini, Maria Laura
Caporiccio Trillo, Micaela
Cosentino, Alejandro César
author2_role author
author
author
dc.subject.none.fl_str_mv RASGOS POSITIVOS
RASGOS NEGATIVOS
PERSONALIDAD
RASGOS PSICOLÓGICOS
ALGORITMOS
topic RASGOS POSITIVOS
RASGOS NEGATIVOS
PERSONALIDAD
RASGOS PSICOLÓGICOS
ALGORITMOS
purl_subject.fl_str_mv https://purl.org/becyt/ford/5.1
https://purl.org/becyt/ford/5
dc.description.none.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.
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.
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.
Fil: Castro Solano, Alejandro. Universidad de Palermo; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Lupano Perugini, Maria Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Palermo; Argentina
Fil: Caporiccio Trillo, Micaela. Universidad de Palermo; Argentina
Fil: Cosentino, Alejandro César. Universidad de Palermo; Argentina
description 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.
publishDate 2024
dc.date.none.fl_str_mv 2024-05
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/236771
Castro Solano, Alejandro; Lupano Perugini, Maria Laura; Caporiccio Trillo, Micaela; Cosentino, Alejandro César; Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning; Universidad Católica de Uruguay; Ciencias Psicológicas; 18; 1; 5-2024; 1-16
1688-4221
CONICET Digital
CONICET
url http://hdl.handle.net/11336/236771
identifier_str_mv Castro Solano, Alejandro; Lupano Perugini, Maria Laura; Caporiccio Trillo, Micaela; Cosentino, Alejandro César; Validación de un modelo de rasgos positivos y negativos de personalidad como predictores del bienestar psicológico aplicando algoritmos de machine learning; Universidad Católica de Uruguay; Ciencias Psicológicas; 18; 1; 5-2024; 1-16
1688-4221
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/doi/10.22235/cp.v18i1.3286
info:eu-repo/semantics/altIdentifier/url/https://revistas.ucu.edu.uy/index.php/cienciaspsicologicas/article/view/3286
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Católica de Uruguay
publisher.none.fl_str_mv Universidad Católica de Uruguay
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842269066319888384
score 13.13397

Publicaciones similares