Компонент структуры личности: Основные компоненты и структура личности современной психологии

Влияние структуры личности на профессиональную успешность менеджеров компаний сферы информационных технологий

Предметом исследования стала структура личности ИТ-менеджеров, а объектом влияние соотношения компонент структуры личности на профессиональную успешность.

Исследование было проведено на основе трансактного анализа. В нашем исследовании трансактный анализ помог подвести теоретическую базу и дал инструмент для исследования структуры личности.

Материалом для проведения исследования послужило изучение представлений о тех важных качествах личности ИТ-менеджера, которые определяют его профессиональную и личную успешность, с последующей разработкой на их основе обоснованных критериев успешности.

Для того чтобы подтвердить или опровергнуть выдвинутую в начале работы гипотезу о том, что соотношение компонент структуры личности является определяющим фактором в последующей профессиональной успешности человека, был использован терапевтический опросник структуры личности — «Шкала личностных черт — Р — Д — В» (Родитель – Взрослый — Ребенок).

Нет сомнений в том, что решающее значение в становлении успешного ИТ-менеджера имеет динамика его личностного развития. «Знание можно получить из книг или лекций, навыки приобретаются в процессе работы, но их ценность ограничена без совершенствования личности» [8].

В современном отечественном профессиоведении всё чаще на первый план выступает профессионал, чья личность и ценностно-смысловая сфера одновременно определяют результат труда и сами претерпевают изменения вследствие производимой деятельности [3].

Роль информационных технологий (ИТ) в развитии общества возрастает в связи с переходом от постиндустриального общества к информационному (в индустриальном обществе основную долю внутреннего валового продукта (ВВП) занимает производство, в постиндустриальном обществе — услуги, в информационном обществе — услуги в области ИТ). В связи с этим повышается значимость работы ИТ-специалистов для общества и бизнеса. Информационные технологии включают в себя уже не столько инструментарий, сколько организацию бизнеса, взаимодействия людей. Соответственно, решающее значение приобретает самообразование и саморазвитие людей, работающих в сфере информационных технологий. К сожалению, современные образовательные программы не готовят менеджеров в сфере ИТ.

Важнейшую роль в профессионализации играет становление профессионального самосознания, выражающееся в профессиональной идентичности. Профессиональную идентичность будем рассматривать как «многомерный и интегративный психологический феномен, обеспечивающий человеку целостность, тождественность и определенность в профессиональной деятельности» [9].

С одной стороны, развитие общества и, в частности, бизнеса, требует повышения степени влияния ИТ-менеджера на изменения, происходящие с ним. С другой стороны, существует потребность понять и обосновать суть изменений в личности ИТ-специалиста, происходящих в процессе его профессионального роста. Также существует потребность разработать способы влияния на эти изменения для создания более профессионально успешной личности в условиях формирования информационного общества.

В рамках данной проблемы мы провели исследование структуры личности менеджеров, работающих в сфере информационных технологий. Исследование было посвящено измерению соотношения компонентов структуры личности ИТ-менеджеров и нахождению взаимосвязи между этим соотношением и профессиональной успешностью.

Предметом исследования стала структура личности ИТ-менеджеров, а объектом — влияние соотношения компонент структуры личности на профессиональную успешность.

Исследование было проведено на основе трансактного анализа. Стремительное развитие трансактного анализа шло параллельно с не менее быстрым ростом экономики и технологий (что ещё раз подтверждает актуальность и своевременность этого подхода).

Современный мир также переживает стремительный рост экономики и технологий. Информационно-технологический бум в корне меняет наши взгляды на время и пространство. Ещё никогда в истории человечества не было столь высокой степени свободы и, вместе с тем, столь высокой степени связанности людей друг с другом. Многообразие и усложнение структурных связей в современном обществе объективно усиливает возможности трансактного анализа и умножает предпосылки для его применения. Достаточно сказать, что первое упоминание о трансактном анализе относится к 1957 году. Он был разработан как специальный метод групповой психотерапии. И уже сейчас является мощной современной теорией, результатом развития психоаналитической и гуманистической концепций.

Современный трансактный анализ представляет собой теорию личности, теорию коммуникаций, анализ сложных систем и организаций, теорию детского развития и теорию психопатологии. Международная ассоциация трансактного анализа определяет его, как теорию личности и системную психотерапию с целью развития и изменения личности. Современные психологи пишут о трансактном анализе следующее: «Трансактный анализ можно определить как динамическую психотерапию З. Фрейда в сочетании с более гуманистическим, философским подходом, особым вниманием к изменению поведения и мышления в сочетании с хорошей подачей материала. Трансактный анализ — отличный пример терапии, базирующейся на прекрасной теории, открыто раскрывающей перед обществом свои воззрения. Трансактный анализ — важная часть образования хорошего терапевта» [7].

Согласно концепции Э. Берна, человек запрограммирован «ранними решениями» в отношении жизненной позиции. Он проживает свою жизнь по «сценарию», написанному при активном участии его близких, прежде всего — родителей. Человек часто принимает в настоящем решения, основанные на стереотипах, которые когда-то были необходимы для его психологического выживания, но теперь чаще всего бесполезны. Основная цель психотерапевтического процесса — реконструкция личности на основе пересмотра жизненных позиций, осознания непродуктивных стереотипов поведения, мешающих принятию адекватных настоящему моменту решений, формирование новой системы ценностей исходя из собственных потребностей и возможностей. В данном случае, исходя из потребностей и возможностей человека, находящегося в постоянно изменяющейся среде современного технологического общества [1].

В нашем исследовании трансактный анализ помог подвести теоретическую базу и дал инструмент для исследования структуры личности. Материалом для проведения исследования послужило изучение представлений о тех важных качествах личности ИТ — менеджера, которые определяют его профессиональную и личную успешность, с последующей разработкой на их основе обоснованных критериев успешности.

Для того чтобы подтвердить или опровергнуть выдвинутую в начале работы гипотезу о том, что соотношение компонентов структуры личности является определяющим фактором в последующей профессиональной успешности человека, мы использовали терапевтический опросник структуры личности «Шкала личностных черт – Р — Д — В» (Родитель — Взрослый — Ребенок). Опросник предназначен для быстрого и легко проводимого измерения структуры личности в групповом психологическом тренинге, консультировании и терапии в традициях трансактного анализа. Он создан на основе аналогичной шкалы американского психиатра Ч.Е.Шеффера (1976).

Опросник создан на основе обследования более тысячи человек. Опросник разработан в трех вариантах: для взрослых, для подростков, для детей. Он применяется при психологическом консультировании и терапии в традициях трансактного анализа. Валидность полученных результатов доказана. Опросником выделяются и измеряются следующие компоненты личности:

Способствующий развитию компонент Родитель — адаптивный компонент Родитель, включающий характеристики, благоприятствующие индивидуальному развитию, самоуважению человека. Для него характерна гуманистическая философия жизни. Гуманизм в воспитании детей проявляется в таких чертах как: уважение, правдивость, понимание, близость.

Консервативный компонент Родитель — подавляющий, косный, обесценивающий Родитель, высококритичный, карающий, консервативный, неадаптивный. У него авторитарная философия, ригидная, основанная на силе и произволе; особенно ярко проявляющаяся в воспитании.

Рациональный компонент Взрослый — адаптивный, с хорошо развитым чувством реальности, полно и быстро получающий информацию и обрабатывающий ее; ярко проявляющий направленность к цели, гибкое поведение, ориентированное на разрешение проблем.

Иррациональный компонент Взрослый — с искаженным чувством реальности и искаженной способностью получать и обрабатывать информацию, что в сочетании с неполноценным мышлением понижает возможности адаптации в социуме.

Позитивный компонент Дитя — преобладает интерес к жизни, радость, интуиция, поиск удовольствий. Сговорчивый, легко воспитуемый, адаптирующийся ребенок.

Трудный компонент Дитя — преобладают импульсивные, эгоцентрические, оппозиционные, мятежные проявления в поведении. Характерна зависимость, пугливость и боязливость, дезадаптация.

В описываемом исследовании нормативные данные получены от менеджеров, работающих в разных компаниях сферы информационных технологий Екатеринбурга, Москвы, Санкт-Петербурга.

Для того чтобы проследить, какое влияние оказывает структура личности на профессиональную успешность, были определены критерии успешности. В данном случае мы разделили испытуемых на две группы. Критерием разделения послужила степень профессиональной успешности опрашиваемых лиц. На основе критериев успешности выделены две группы: «успешные менеджеры» — 37 человек, «обычные менеджеры» — 35 человек.

В случае для первой группы «успешных менеджеров» характерно:
1. Большая степень свободы в принятии решений.
2. Высокий процент ответственности за успех развития бизнеса.
3. Наличие подчиненных.
4. Высокая заработная плата.
5. Мнение о себе как об успешном в профессиональном плане человеке.

Для второй группы «обычных менеджеров» характерно:
1. Отсутствие необходимости самостоятельно принимать решения, исполнительские функции.
2. Ответственность только за свою работу.
3. Отсутствие подчиненных.
4. Отсутствие мнения о собственной профессиональной успешности.

В соответствии с перечисленными выше критериями и на основе трансактного анализа было проведено исследование структуры личности ИТ-менеджеров двух групп и установлена взаимосвязь между соотношением компонентов структуры личности и степенью профессиональной успешности.

В таблице 1 приводятся данные по группам «успешных менеджеров» и «обычных менеджеров». Ниже приведена лепестковая диаграмма к таблице 1.

Наиболее четко структурная зависимость проявляется у исследуемых менеджеров с общим показателем личности не ниже 1,5. Поэтому для исследования отобраны только эти анкеты. В тех анкетах, где показатель ниже 1,5 мы думаем, что данные искажены эмоциональным отношением к анкетированию или заполнены нечестно. У «успешных менеджеров» общий показатель личности выше, чем у «обычных». Обращает на себя внимание тот факт, что у «успешных» людей самый высокий показатель — Взрослый, а у «обычных» — самый высокий показатель — Родитель. Значительны различия и по компоненту Дитя. Причем у «обычных менеджеров» показатели достоверно ниже, чем у успешных».

Вместе с тем видно, что у «успешных» людей все показатели больше половины возможного. А у «обычных» компонент Дитя имеет показатель около половины возможного.

Далее на диаграммах четко видна направленность личности «успешных менеджеров» и «обычных менеджеров» в отдельности по каждой компоненте.

Общий взрослый показатель (ОВ) у «обычных менеджеров» несколько хаотичен и рассредоточен по всему полю, тогда как у «успешных менеджеров» четко прослеживается стремление к увеличению. Таким образом, мы делаем вполне обоснованный вывод о том, что высокий показатель (ОВ) является одним из критериев успешности менеджера сферы информационных технологий.

На рисунке 4, представленном ниже, можно посмотреть, как ведут себя показатели Общий родитель (ОР).

На рисунке 4 видно, что при более низком общем показателе всей личности, общий показатель (ОР) у «обычных менеджеров» достаточно высок. Тогда как у «успешных» он высок только в случае очень высокого общего показателя личности. Это говорит о том, что преобладание родительской компоненты личности не является потенциалом к её успешности и состоятельности в профессиональном плане.

Детская составляющая личности (ОД) у «успешных менеджеров» выражена более четко, чем у «обычных» и находится примерно на одном уровне. Тогда, как у «обычных менеджеров» она рассредоточена по всему полю.

Для более наглядной демонстрации полученных результатов мы провели сравнение результатов исследования здоровых успешных менеджеров, обычных менеджеров, подростков и больных людей.

Для проведения этого сравнения мы использовали данные ранее проведенных исследований для других категорий граждан. А именно: подростков; людей, больных шизофренией; людей, больных алкоголизмом [10]. Результаты сравнения представлены в таблице 2 и лепестковой диаграмме к таблице 2.

Как видно из таблицы, несмотря на то, что использованы разные варианты опросников, показатель компонента Взрослый преобладает только у успешной категории работников. У всех остальных категорий и здоровых, и больных преобладает компонент Родитель. Компонент Дитя у подростков и здоровых обычных людей развит одинаково.

Рациональный компонент Взрослый у подростков развит слабее, и очевидно, что нужно работать над развитием этого компонента особенно. Видно, что развитие родительского компонента у успешных людей и подростков близкое, тогда как развитие компонента Взрослый резко отличается.

У здоровых людей показатели всех трех компонентов личности выше, чем у людей, больных шизофренией и алкоголизмом. И если компонент Родитель во всех названных группах различается не столь резко, то в компоненте Взрослый отличия носят очевидный характер. У здоровых людей показатели более чем в 2 раза выше, чем у больных. А у успешных менеджеров выше, чем у обычных. Тогда как различия между людьми, больными шизофренией и людьми, больными алкоголизмом практически отсутствуют.

Значительны различия и по компоненту Дитя. Причем у людей, больных алкоголизмом, показатели достоверно ниже, чем у здоровых людей.

Таким образом, отчетливо прослеживается тенденция: чем сильнее выражен компонент Взрослый, тем успешнее и эффективнее развивается и функционирует личность.

Данное исследование так же позволяет вычленить адаптивную и неадаптивную составляющую каждой компоненты. Сравнение влияния адаптивной и неадаптивной компоненты приведено в следующей таблице 3 и лепестковой диаграмме.

Из таблицы и диаграммы видно, что консервативный Родитель проявляет себя в равной степени у успешных людей и у обычных.

Таким образом, становится ясно, что технологии трансактного анализа могут помочь понять особенности структуры личности и соответственно предпринимать шаги по достижению автономии, основными компонентами которой являются осознание, спонтанность и способность к интимности.

При этом автономия предполагает также умение решать различные проблемы, используя все ресурсы взрослой личности (быть успешным).

В достижении профессиональной успешности основными факторами, как мы считаем, являются активизация и укрепление Взрослого эго — состояния, а также делегирование ему исполнительных полномочий. Это наглядно видно из результатов проведенного исследования, которое показало, что основным источником профессиональной успешности является развитое зрелое Взрослое состояние. Это подтверждается функциями, которые взрослое состояние имеет. Можно назвать эти функции составляющими успеха.

Функции Взрослого мы видим в следующем:

Взрослый принимает на себя всю ответственность за свои сознательные решения.

Взрослый осознанно выбирает, какое эго-состояние активизировать в настоящий момент. Взвешивает все «за» и «против». Решает, использовать ли старый опыт или синтезировать новую стратегию и получить новый опыт.

Опыт и информация, поступающая от эго-состояний Родитель и Ребенок, анализируются и перерабатываются. Окончательное решение человек принимает, находясь во Взрослом эго-состоянии. Причем оптимальным является решение, которое соответствует интересам всех трех эго-состояний.

Взрослое эго-состояние контролирует функции Родительского и Детского, прерывает диалог между ними, если он деструктивен или вызывает болезненные переживания, и способствует его возобновлению, если в этом есть необходимость. Для того чтобы сознательно взять в свои руки исполнительную власть, человек должен тренировать и использовать свое эго-состояние Взрослый. У Берна есть хорошая метафора: «Если в чьем-то доме не слышно радиоприемника, это не значит, что его нет. Он просто не включен» [2].

Взрослое эго-состояние укрепляется по мере его использования. Одним из важнейших элементов укрепления Взрослого эго-состояния является образование, постоянное обучение. Приобретение новых знаний и информации расширяет ресурсы. Это особенно важно для специалистов, работающих в области информационных технологий, так как эти технологии совершенствуются стремительно. Самопознание — важный элемент образования, и он необходим для человека, который стремится быть успешным и счастливым.

Данное исследование позволяет в дальнейшем разработать рекомендации, направленные на повышение успешности личности путем влияния на структурные компоненты личности ИТ-менеджеров.

Исследование также показало, что для успешного функционирования все компоненты личности — Родитель, Взрослый и Ребенок должны быть развиты в гармоничной пропорции, когда все внимание концентрируется исключительно на обучении и развитии взрослой субличности, то детская составляющая очень часто начинает обижаться или бунтовать.

Родители также могут брюзжать или критиковать все и вся, обесценивая результаты работы. Для достижения успеха очень важно любить и баловать семью своих субличностей.

Большинство людей предпочитает в жизни использовать лишь Взрослое и Родительское эго-состояния. Детское же эго-состояние игнорируется и часто воспринимается просто как помеха. В результате человек становится раздражительным, излишне требовательным или плаксивым. Ему кажется, что у него одни обязанности и нет прав даже расслабиться и получить удовольствие. Чтобы избежать таких ситуаций и уменьшить груз переживаний, полезно сделать что-нибудь приятное Вашему Ребенку.

Обращаясь к проведенному исследованию, вспомним: у категории «успешных менеджеров» компонент Ребенок был выражен более ярко. И это, несомненно, дало им возможность более ярко проявить себя и более успешно функционировать.

В заключение хочется сказать, что анализ существующих в наше время тенденций в развитии экономики, связанных в том числе с консолидацией разных отраслей производства, ростом числа компаний высокотехнологического сектора, повышенное внимание к достижениям в сфере коммуникаций, требуют пересмотра подхода к обучению ИТ-специалистов в высшей школе, становлению личности профессионала в ИТ-отрасли за счет постоянного самообразования и саморазвития. Также исследованные психологические особенности личности, отвечающей запросам развивающейся ИТ-индустрии и экономики, в целом, дают возможность понять особенности становления профессиональной успешности, особенности структуры личности на разных этапах подготовки и профессионализации ИТ-специалистов. Таким образом, результаты исследования могут быть использованы для создания системы личностно и профессионально ориентированной подготовки ИТ-менеджеров, а также представителей других бизнес-специализаций, для создания системы профотбора, а также как основа для проведения личностных тренингов с исследуемой категорией работников. Если переходить на язык трансактного анализа, можно сказать, что в складывающихся социально-экономических условиях исследование подтвердило приоритетную значимость взрослого эго-состояния.

Взрослое эго — состояние интенсивно развивается всю жизнь, вбирая в себя новый опыт, информацию, стратегии. Интегрированный (или объединяющий) Взрослый — заключительная стадия развития личности — аккумулирует все лучшее из Взрослого, Родительского и Детского эго-состояний. Э. Берн (1961), а затем его последователь Ричард Эрскин (1975) это объединенное эго-состояние снова делят на три части: на ценности Родителя, опыт Ребенка и стратегии «здесь и сейчас» Взрослого. В практике восточной версии трансактного анализа объединяющий Взрослый — это новое, однородное эго-состояние, которое предпочтительнее не делить.

Люди изменяются. Изменяются не только потому, что понимают старые паттерны поведения, но и благодаря активному принятию решений к изменению этих паттернов. Задача педагогов и психологов — помочь им в этом. И тогда осуществляемые ими изменения могут стать адекватными и устойчивыми.

Литература:
1. Берн Э. Игры, в которые играют люди / Под ред. В.В. Макарова и Б.И. Хасана. – Красноярск: Фонд Ментального Здоровья, 1995 . – 172 с.
2. Берн Э. Игры, в которые играют люди: психология человеческих отношений. Люди , которые играют в игры: Что вы говорите после того, как сказали «Здравствуйте»? / Пер. с англ. под ред. Н. Бурыгиной, Р. Кучкаровой . – М.: ЭКСМО — Пресс, 2001. – 640 с.
3. Любимова Г. Ю. От первокурсника до выпускника: проблемы профессионального и личностного самоопределения студентов-психологов // Вестник Моск. Ун-та. Сер. 14, «Психология», 2000, № 1, 48-56 с.
4. Макаров В. В. Избранные лекции по психотерапии. – 2-е изд., перера б. и доп . – М.: Академический Проект, 2000. – 416 с.
5. Макаров В. В. Психотерапия нового века. — М.: Академический Проект; ОППЛ, 2001. – 496 с.
6. Макаров В. В., Макарова Г. А. Транзактный анализ — восточная версия. — М.: Академический Проект; ОППЛ, 2002. – 496 с.
7. Муллан Б. Психотерапевты о психотерапии. Пер. с англ. И.В. Королева. – М.: Независимая фирма «Класс» , 1999. – 480 с.
8. Кочюнас Р. Б. Психотерапевтические группы: теория и практика. Учеб. пособие. – М.: Академический Проект, 2 000. – 240 с.
9. Шнейдер Л. Б. Профессиональная идентичность: теория, эксперимент, тренинг. — М.: МПСИ, 2004.- 250 c.
10. Результаты исследования предоставлены Профессиональной психотерапевтической лигой Российской Федерации. Использованы разные варианты опросников.

Источник:
Научно-практический журнал «Вопросы ментальной медицины и экологии», т. XIV, № 4, 2008

Структура личности — Реферат

»

Бакалаврская работа

«Структура личности»

Екатеринбург 2018г.

Содержание

Введение        3

1.        Основные аспекты понятия и составляющих структуры личности        5

1.1 Понятие структуры личности        5

1.2 Составляющие структуры личности        8

2. Психологические аспекты изучения структуры личности        10

2.1 «Я-концепция» личности        10

2.2 Ценностные ориентации в структуре личности        17

Заключение        21

Список использованной литературы        22

Введение

Личность выступает объектом целого ряда наук и, являясь сложным, многогранным социальным явлением, требует к себе комплексного междисциплинарного подхода. Что такое личность и в каком соотношении это понятие это понятие находится с родственным ему понятием человек?  История проблемы начинается с постановки вопроса, какого же соотношение биологического и социального в структуре личности. Этим вопросом задавались ученые еще с древних времен, к примеру, вспомним знаменитого древнегреческого ученого Гиппократа, одним из его трудов является изучение и создание учения о четырех типах темперамента (сангвиник, холерик, флегматик, меланхолик).

С тех пор прошло много времени, к теме изучения личности человека обращалось много ученых, философов, психологов, не исключением, конечно же, были и советские.  Рубинштейн Сергей Леонидович, Владимир Николаевич Мясищев, Александр Григорьевич Ковалев и многие другие с своих трудах изучали личность человека, ее структуру.

Основные подходы к определению структуры личности заложил выдающийся психолог двадцатого столетия Ананьев Борис Герасимович. Он выделил три подсистемы в структуре личности: первая- это интраидивидная или иначе внутрииндивидная подсистема (это системная организация индивидуальности личности, представленная в строении темперамента, характера и способностей человека. Стоит помнить, что личность не может рассматриваться как нечто находящееся лишь в замкнутом пространстве тела индивида. Она обнаруживает себя в сфере межиндивидных отношений, в пространстве межличностных взаимодействий, в этом заключается вторая подсистема- интериндивидная или иначе внеиндивидная. Поскольку первые две подсистемы не покрывают все проявления личности, поэтому выделяется метаиндивидная подсистема-личность не только выносится за рамки органического тела человека, но и перемещается за пределы его наличных связей с другими людьми. В этом случае в центре внимания оказывается то, что вкладывают в нашу личность другие люди. Индивид как личность выступает в качестве субъекта этих активно производимых преобразований интеллектуальной и эмоционально-волевой сферы связанных с ним людей.

Ввиду вышесказанного темой данного реферата будет «Структура личности».

Данная тема является актуальной, так как необходимо изучать структуру личности в условиях развития современного общества.

Объектом исследования является структура личности.

Предметом исследования являются компоненты, а также характеристики линчости.

Цель исследования: изучить основные составляющие компоненты структуры личности.

Для достижения вышесказанной цели были поставлены следующие задачи:

• изучить понятие структуры личности;
• изучить различные точки зрения на внутреннее строение личности;
• выделить составляющие структуры личности;
• изучить ценностные ориентации в структуре личности.

1. Основные аспекты понятия и составляющих структуры личности

1.1 Понятие структуры личности

Личность – это целостность социальных свойств человека, продукт общественного развития и включения индивида в систему социальных отношений посредством активной предметной деятельности и общения. Личность – это не столько физиологические и генотипические особенности человека, сколько социальные и психологические. Личность определяет нравственные поступки человека, регулирует взаимодействие с окружающими людьми. В структуру личности входят такие компоненты как способности, социальные установки, характер, волевые качества, самосознание и т.д.

Идентификатор Эго и Суперэго Компоненты структуры личности Фрейда

Для описания структуры личности Фрейд разработал всеобъемлющую теорию, известную как психоаналитическая теория. Согласно теории Фрейда человеческий разум (психика) состоит из трех частей, каждая из которых имеет разные функции, свойства, компоненты, принципы действия, динамику и механику. Фрейд считал человеческую личность состоящей из ид, эго и суперэго.

Id — это основные побуждения и мотивы, с которыми мы рождаемся.Фрейд назвал это «Психоэнергетикой», он считал, что личность младенца состоит только из Ид.

1. Истинная психическая реальность. Фрейд называл Оно истинной психической реальностью, потому что оно представляет внутренний мир субъективного опыта и не знает об объективном опыте.
2. Принцип удовольствия. Принцип уменьшения напряжения, по которому работает id, называется принципом удовольствия. Фрейд говорит, что ид примитивно, нелогично и иррационально, руководствуясь принципом удовольствия.

Чтобы достичь своей цели — избежать боли и получить удовольствие, у id есть два процесса.

Первичный процесс включает несколько более сложные психологические реакции. Он пытается снять напряжение, формируя изображение объекта (что снимает напряжение), например. мысленная картина еды.

Исполнение желаний. Этот галлюцинаторный опыт, в котором желаемый объект представлен в форме образа памяти, называется исполнением желания.

Первичный процесс не может снизить напряжение.Голодный человек не может есть мысленные образы еды. Следовательно, развивается новый или второй психологический процесс, и когда это происходит, начинает формироваться структура второй системы личности «эго».

Эго — руководитель личности. Он принимает решения, контролирует действия и позволяет думать и решать проблемы. Это та часть человеческой личности, которая является цивилизованной. Он различает вещи в уме и вещи во внешнем мире.Эго — это рациональная часть личности, которая использует память, разум, суждения и т. Д.

Основная функция эго — удовлетворять запросы реальности. Эго возникает потому, что потребности организмов требуют соответствующего взаимодействия с объективным миром реальности. Благодаря эго он, например, может различать воспоминания о еде и реальное восприятие еды в реальном мире.

Тестирование реальности

Посредством вторичного процесса эго формулирует план удовлетворения потребности, а затем проверяет этот план, обычно посредством какого-то другого действия, чтобы увидеть, сработает он или нет.Это называется проверкой реальности. Пример

Голодный человек думает, где он может найти пищу, а затем продолжает брать это место.

Эго играет роль посредника между Ид и Супер-Эго. Неспособность эго поддерживать баланс между Ид и Супер-Эго приводит к дезадаптации личности в различных формах.

Это третья часть, которая отвечает требованиям морали и социальных убеждений.Это внутренний представитель традиционных ценностей и идей общества. Суперэго — это моральная рука личности. Он представляет скорее идеал, чем реальный; и в отличие от того, что требует удовлетворения, суперэго стремится к совершенству. В силу суперэго человек должен подчиняться социальным правилам, регулирующим «хорошее» и «плохое» поведение.

Superego состоит из двух компонентов:

Сознание. Сознание мешает нам делать морально плохие поступки (из-за страха наказания).

Идеал Эго. Идеал эго побуждает нас делать то, что обычно правильно (из-за вознаграждения)

Заключение

Есть три различных аспекта личности, которые работают вместе. Эго должно найти способ удовлетворить Оно, которое ищет удовольствия, не сталкиваясь с Супер-Эго, которое требует социально и морально приемлемого поведения. Это рассматривалось Фрейдом как первичный детерминант человеческого поведения и личности; он назвал это «Психодинамика».

Структурная и топографическая модель Фрейда — AllPsych

[menu_in_post_menu menu = 126 placeholder_text = «Психология 101 Содержание»]
[братья и сестры]

Теория Зигмунда Фрейда довольно сложна, и хотя его работы о психосексуальном развитии заложили основу для развития нашей личности, это была лишь одна из пяти частей его общей теории личности. Он также считал, что на этих этапах развиваются разные движущие силы, которые играют важную роль в нашем взаимодействии с миром.

Структурная модель (ид, эго, суперэго)

Согласно Фрейду, мы рождаемся с нашим идентификатором. Идентификатор является важной частью нашей личности, потому что, будучи новорожденными, он позволяет нам удовлетворять наши основные потребности. Фрейд считал, что ид основывается на нашем принципе удовольствия. Другими словами, id хочет всего, что ему нравится в данный момент, без учета реальности ситуации. Когда ребенок голоден, он хочет еды, и поэтому ребенок плачет. Когда ребенка нужно изменить, id плачет.Когда ребенку неудобно, ему больно, ему слишком жарко, слишком холодно или он просто хочет внимания, id говорит до тех пор, пока его или ее потребности не будут удовлетворены.

Идентификатор не заботится о реальности, о чьих-либо нуждах, а только о своем собственном удовлетворении. Если задуматься, младенцы не очень внимательны к желаниям своих родителей. Они не заботятся о времени, спят ли их родители, расслабляются, обедают или купаются. Когда id чего-то хочет, все остальное не важно.

В течение следующих трех лет, по мере того, как ребенок все больше и больше взаимодействует с миром, начинает развиваться вторая часть личности.Фрейд назвал эту часть Эго. Эго основано на принципе реальности. Эго понимает, что у других людей есть потребности и желания, и что иногда импульсивность или эгоизм может навредить нам в долгосрочной перспективе. Работа эго — удовлетворять потребности id, принимая во внимание реальность ситуации.

К пяти годам или к концу фаллической стадии развития Суперэго развивается. Суперэго — это наша моральная часть, которая развивается благодаря моральным и этическим ограничениям, налагаемым на нас нашими опекунами.Многие приравнивают Супер-Эго к совести, поскольку она диктует нашу веру в добро и зло.

Согласно Фрейду, у здорового человека эго является самым сильным, так что оно может удовлетворять потребности Оно, не расстраивая суперэго, и при этом принимать во внимание реальность каждой ситуации. В любом случае это непростая работа, но если id становится слишком сильным, в жизни человека преобладают импульсы и самоудовлетворение. Если суперэго станет слишком сильным, человеком будет руководить жесткая мораль, он будет критичным и непреклонным в своем взаимодействии с миром.Вы узнаете, как эго сохраняет контроль, продолжая читать.

Топографическая модель

Фрейд считал, что большая часть того, что мы переживаем в нашей жизни, лежащих в основе эмоций, убеждений, чувств и импульсов, недоступны нам на сознательном уровне. Он считал, что большая часть того, что нами движет, похоронено в нашем бессознательном. Если вы помните комплексы Эдипа и Электры, они оба были вытеснены в бессознательное, за пределы нашего понимания из-за сильного беспокойства, которое они вызывали.Однако, по словам Фрейда, будучи похороненными там, они продолжают оказывать на нас сильное влияние.

Роль бессознательного — лишь одна часть модели. Фрейд также считал, что все, что мы осознаем, хранится в нашем сознании. Наше сознание составляет очень небольшую часть того, кто мы есть. Другими словами, в любой момент времени мы осознаем лишь очень небольшую часть того, что составляет нашу личность; большая часть того, что мы есть, похоронена и недоступна.

Последняя часть — это предсознание или подсознание.Это та часть нас, к которой мы можем получить доступ при появлении запроса, но она не находится в нашем активном сознании. Он прямо под поверхностью, но все же несколько погребен, если мы его не найдем. Такая информация, как номер нашего телефона, некоторые детские воспоминания или имя вашего лучшего друга детства, хранится в предсознании.

Поскольку бессознательное настолько велико, и поскольку мы осознаем только очень маленькое сознание в любой момент времени, эту теорию сравнивают с айсбергом, большая часть которого погребена под поверхностью воды.Между прочим, вода олицетворяет все, что мы не осознаем, не испытывали и что не было интегрировано в нашу личность, называемое бессознательным.

Согласование структуры сетевого сообщества с факторной структурой

Аннотация

Введение

Человеческая личность описывается преимущественно в терминах факторов (измерений), найденных с помощью факторного анализа. Альтернативным и тесно связанным методом является сетевой анализ, который может иметь несколько преимуществ перед методами факторного анализа.

Цель

Для прямого сравнения способности обнаружения сетевых сообществ (NCD) и факторного анализа главных компонентов (PCA) для изучения модульности в многомерных наборах данных, таких как пересмотренный перечень личности невротизма-экстраверсии-открытости (NEO-PI-R).

Методы

434 здоровых человека были протестированы на NEO-PI-R. PCA был выполнен для извлечения факторных структур (FS) текущего набора данных с использованием как баллов по элементам, так и оценок по фасетам. Графики корреляционной сети были построены из одномерных матриц корреляции взаимодействий между элементами и аспектами.Эти сети были отсечены поэтапно при расчете структуры сетевого сообщества (NCS) каждой результирующей сети с использованием алгоритма кластеризации Вакита Цуруми. NCS были сопоставлены с FS, а сети лучших совпадений были сохранены для дальнейшего анализа.

Результаты

На фасетном уровне NCS показал наилучшее соответствие (96,2%) с «подтверждающим» 5-FS. На уровне элементов NCS показала лучшее совпадение (80%) со стандартной 5-FS и задействовала в общей сложности 6 сетевых кластеров. Меньшие совпадения были обнаружены с «подтверждающими» 5-FS и «исследовательскими» 6-FS текущего набора данных.Сетевой анализ не выявил фасеты как отдельный уровень организации между элементами и кластерами. Сетевая структура маленького мира была обнаружена как на уровне элементов, так и на уровне аспектов.

Заключение

Мы представляем первый оптимизированный сетевой график личностных черт в соответствии с NEO-PI-R: «Сеть личности». Такая сеть может представлять возможные маршруты, по которым субъекты могут идти в процессе развития личности. NCD превосходит PCA, обеспечивая правдоподобную модульность на уровне элементов в нестандартных наборах данных и может определять ключевые роли отдельных элементов и кластеров в сети.

Образец цитирования: Goekoop R, Goekoop JG, Scholte HS (2012) Сетевая структура человеческой личности в соответствии с NEO-PI-R: соответствие структуры сетевого сообщества факторной структуре. PLoS ONE 7 (12): e51558. https://doi.org/10.1371/journal.pone.0051558

Редактор: Бин Сюэ, Uni. Южной Флориды, Соединенные Штаты Америки

Поступила: 31.07.2012; Принята к печати: 2 ноября 2012 г .; Опубликовано: 20 декабря 2012 г.

Авторские права: © 2012 Goekoop et al.Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Финансирование: Исследование финансировалось PsyQ, Психологическими программами в Гааге, учреждением, занимающимся оказанием специализированной психиатрической помощи в форме времени, отведенного для исследований, а не медицинского обслуживания. Данные были получены от здоровых людей бесплатно.Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы прочитали политику журнала и имеют следующий конфликт: доктор Р. Гёкоп — психиатр, работающий в группе Parnassia BAVO, которая является строго некоммерческой, неакадемической («периферийной») психиатрическое учреждение. Как и многие другие неакадемические центры в Нидерландах, он превратился в компанию из-за государственной политики, продвигающей «рыночно-ориентированный» взгляд на здравоохранение.Это не влияет на соблюдение авторами всех политик PLOS ONE в отношении обмена данными и материалами. Ни в каком виде, ни в какой форме, Parnassia Bavo Group не заинтересована в коммерческом использовании результатов, представленных в данной статье.

Введение

В настоящее время наиболее влиятельным способом взглянуть на человеческую личность является подход многомерных черт [1]. С этой точки зрения термин «личность» относится к набору восприятий, внутренних переживаний и поведенческих черт, которыми может обладать человек, которые стабильны во времени и мало изменяются во времени.Определенная черта (например, любопытство) обычно присуща большому количеству субъектов в популяции, но степень, в которой эта черта присутствует, обязательно различается между субъектами. Личность описывалась несколькими способами, которые широко включают категориальные и многомерные описания [2]. Исследователи и все чаще клиницисты предпочитают многомерные описания из-за их достоверности, надежности и описательной силы [3], [4]. В многомерных описаниях личности большое количество конкретных личностных характеристик (например,грамм. любопытство, импульсивность, потребность в превышении скорости, легкая утомляемость, раздражительность и беспокойство по пустякам) сгруппированы вместе на основе их склонности к совместному возникновению (коварии). Таким образом, идентифицируется меньший набор глобальных переменных (например, «открытость опыту», «невротизм»), который объясняет большую часть дисперсии в большом наборе измеряемых переменных. Эти глобальные переменные называются «факторами» или «измерениями», а весь набор факторов, который содержится в наборе данных, называется его «факторной структурой».Факторные структуры обычно выявляются с помощью факторного анализа [5]. Во многих случаях факторный анализ включает анализ главных компонентов (PCA), цель которого — найти набор ортогональных (то есть некоррелированных) факторов, которые называются «главными компонентами». Они представляют собой основные независимые источники расхождений в наборе данных. Основные компоненты могут быть добавлены линейно для восстановления дисперсии, содержащейся в наборе данных в целом.

В исследовании личности PCA является предпочтительным типом факторного анализа.Оценка отдельного компонента (или факторная оценка) может быть рассчитана для каждого главного компонента путем усреднения оценок по коварингам подпараметров, которые определяют компонент. Таким образом, ограниченный набор факторных оценок (факторный профиль) может быть использован для обеспечения компактного описания отдельных субъектов, что делает его привлекательным для исследования личности. Факторные профили могут использоваться для определения личности отдельных субъектов или групп. Такие профили позволяют прогнозировать конкретное поведение человека (например, курение сигарет, ожирение, развод) при определенных обстоятельствах (например,грамм. стресс) [6], [7]. Кроме того, профили факторов могут успешно прогнозировать показатели субъективного благополучия [8], распространенности и исхода заболевания [9], [10], вероятности несчастных случаев, риска травм [11] и преждевременной смерти [12].

В настоящее время наиболее влиятельной многомерной описательной моделью человеческой личности является пятифакторная модель [13], [14], из которых наиболее часто используемой реализацией является Пересмотренный перечень личности невротизма-экстраверсии-открытости (NEO-PI-R). [15]. NEO-PI-R — это шкала самооценки, состоящая из 240 пунктов, представляющих личностные черты, которые оцениваются по шестибалльной шкале Лайкерта.PCA использовался для изучения факторной структуры стандартизированного (нормального) набора данных здоровых американских субъектов. Это выявило пять основных факторов личности, которые объясняют оптимальное количество отклонений в исходных данных: невротизм, экстраверсия, открытость, доброжелательность и сознательность. Эти факторы постоянно встречаются в разных группах населения и странах мира, хотя между разными странами и культурами существуют некоторые различия [16]. Для каждого фактора NEO-PI-R были определены шесть аспектов, которые измеряют различные субтитры большего фактора (например,грамм. n1 – n6 представляют тревогу, гнев, депрессию, самосознание, неумеренность и уязвимость). Фасеты представляют собой промежуточный уровень организации между элементами и факторами. Хотя точная природа и количество аспектов не следует непосредственно из эмпирических измерений, существует значительная эмпирическая поддержка предположения о промежуточном уровне организации между элементами и факторами [17]. Фасеты были тщательно проверены на их надежность и предсказательную силу [18]. Использование фасетов увеличивает разрешение личностных измерений и, кажется, увеличивает точность предсказаний человеческого поведения [10].В целом, NEO-PI-R является одной из наиболее поддерживаемых шкал личности, используемых во всем мире, и будет использоваться в качестве основы для клинической диагностики расстройств личности в следующем издании диагностического и статистического руководства (DSM-5), основной книги справочник по клинической диагностике психических расстройств (http://www.DSM5.org).

Хотя NEO-PI-R имеет впечатляющую историю эмпирических исследований, его факторы основаны на PCA, у которого есть несколько ограничений. Наиболее важно то, что взаимные отношения между элементами, составляющими факторы, явно не моделируются и, следовательно, не принимаются во внимание.Это может быть прискорбно, поскольку некоторые из этих взаимодействий могут иметь непропорционально большое значение по сравнению с другими (например, некоторые элементы могут быть коррелированы со многими или меньшим количеством других элементов, показывать более сильные или более слабые корреляции, объяснять большую дисперсию в оценках факторов или иметь причинное преобладание над другие). В результате элементам, аспектам и факторам NEO-PI-R присваивается одинаковый вес и диагностическая ценность. Это может быть нежелательно, учитывая возможность того, что определенные черты личности (такие как невротизм или уступчивость) имеют непропорциональное значение в обеспечении здорового развития личности.Кроме того, известно, что PCA дает ошибочные результаты при выполнении на уровне элемента в наборах данных личности меньшего размера, чем стандартные. Это связано с тем, что PCA требует большого количества испытуемых (обычно в 6 раз больше, чем количество заданий) для создания надежных факторных структур [5]. Поэтому исследования, направленные на изучение личности на уровне заданий, обычно бывают большими и дорогостоящими. Для этой проблемы существуют некоторые обходные пути, например Факторный анализ в меньших наборах данных может выполняться по фасетным оценкам, которые могут дать надежные факторные структуры.Кроме того, факторные баллы могут быть рассчитаны на основе баллов по элементам с использованием международной факторной структуры в качестве ключа. Однако, несмотря на их широкое распространение, такие методы неизбежно приводят к некоторой потере информации или неточности.

Для решения этих проблем мы исследовали, может ли новый метод определения модульности в наборах данных (Network Community Detection — NCD) компенсировать некоторые ограничения PCA. Взаимодействие между переменными в наборе данных (например, корреляция между оценками элементов NEO-PI-R) можно рассматривать как сеть узлов (элементов), которые общаются друг с другом через ссылки (например,грамм. значимые корреляции). NCD включает идентификацию плотных групп взаимодействующих узлов в сетевых графах. В недавнем исследовании было показано, что сетевые кластеры, созданные некоторыми алгоритмами НИЗ, практически и теоретически очень похожи на те, которые были определены с помощью PCA [19], [20]. Как и PCA, NCD позволяет извлекать наборы сопутствующих элементов или признаков. PCA и NCD используют одни и те же ковариационные матрицы для определения модульности в наборах данных, и результаты очень похожи.Подобно факторному анализу более высокого порядка, NCD может исследовать кластеризацию сетевых кластеров и идентифицировать суперкластеры, исследуя ковариацию между баллами кластеров. Однако фундаментальное различие между PCA и NCD состоит в том, что PCA идентифицирует модули посредством алгебраического анализа дисперсии, тогда как NCD выполняет геометрический анализ. В отличие от факторного анализа, сетевой анализ дает подробное представление о взаимодействиях, существующих между отдельными элементами, фасетами или кластерами [21]. Кроме того, сетевой анализ может приписывать важность отдельным сетевым узлам и кластерам, основываясь не только на их размере или величине дисперсии, которую они объясняют в наборе данных в целом, но и на их стратегическом положении в сети (например,грамм. узлы с высокими степенями (концентраторами) или промежуточными центральностями). НИЗ позволяет количественно оценить такие центральные роли и изучить важность отдельных элементов и кластеров в направлении потока информации через личностную сеть, например во время развития личности.

Чтобы изучить результаты НИЗ по сравнению с PCA, мы выполнили оба типа анализа данных 434 здоровых субъектов, заполнивших NEO-PI-R. Сетевые графы были созданы из матриц корреляции, представляющих взаимодействия между оценками элементов и оценками аспектов NEO-PI-R, в которых узлы представляют элементы или аспекты, связи между узлами представляют значимые корреляции, а веса вдоль ссылок являются коэффициентами корреляции (r ).Учитывая теоретическое сходство между PCA и NCD, мы предположили, что FS набора данных NEO-PI-R будет близко соответствовать его NCS. NCS и FS сначала сравнивались на «фасетном уровне», то есть между FS и NCS на основе фасетных оценок. Поскольку PCA, выполняемая на уровне фасетов, дает результаты, которые сопоставимы между стандартными и нестандартными наборами данных, такими как настоящий набор данных, ожидалось, что NCS будет напоминать как FS текущего набора данных, так и структуру нормы. Затем мы исследовали NCS в сетях, представляющих корреляцию между баллами по заданным параметрам.Это было сделано для проверки того, будет ли НИЗ, в отличие от PCA, обеспечивать правдоподобную модульность на уровне элемента в текущем (нестандартном) наборе данных. Если NCD, в отличие от PCA, найдет значимые модули, это будет означать, что NCD может превзойти факторный анализ на этом уровне. В случае появления правдоподобных модулей (т. Е. Напоминающих результаты PCA на уровне элементов в стандартных наборах данных) мы ожидали появления крупномасштабных сетевых кластеров без промежуточного уровня фасетов, как это имеет место при использовании PCA на уровне элементов в стандартных наборах данных. .Наконец, мы ожидали получить более полное представление об уникальной природе отдельных элементов, фасетов и сетевых кластеров, чем это дает PCA.

Чтобы позволить прямое сравнение между NCD и PCA, была использована процедура сопоставления, в которой было оптимизировано соответствие NCS и FS. Чтобы найти наилучшее совпадение, глобальный порог персональной сети (т. Е. Порог значимости ссылки) постепенно повышался в порядке увеличения уровней значимости ссылок («постепенное сокращение») до тех пор, пока ее NCS не покажет оптимальное совпадение с ФС.В качестве шаблонов для сопоставления использовались три различных FS: FS стандартного (нормального) набора данных, который содержит 5 основных компонентов (« стандартный 5-FS »), а также FS, полученные из настоящего набора данных с использованием 5-факторного PCA («подтверждающий 5-FS») и исследовательский PCA, который произвел шестифакторную структуру («исследовательский 6-FS»). Таким образом, можно было проверить, будут ли НИЗ в нестандартных наборах данных, таких как настоящий набор данных, давать NCS, которые соответствуют стандартным FS, а не местным (исследовательским или подтверждающим) FS.Если бы это было так, то НИЗ показало бы большую обобщаемость своей модульности, чем PCA. В качестве нулевой гипотезы мы ожидали, что обобщаемость НИЗ будет такой же или худшей, чем у PCA. Таким образом, мы ожидали, что NCS будут лучше соответствовать исследовательским и подтверждающим FS из текущего набора данных, чем со стандартным FS, поскольку последний получен из другого (нормального) набора данных. Сетевые графы разложения «выигравших» сетевых кластеров были построены как на уровне элементов, так и на уровне аспектов.Это дало первое описание структуры человеческой личности с точки зрения оптимизированной сети взаимозависимых личностных черт. Такая «Сеть личностей» показывает определенные пути (последовательности черт), которые представляют собой набор маршрутов («шоссе»), по которым субъекты могут идти в ходе развития личности. Мы определили сетевые узлы и модули, которые потенциально важны для развития личности с точки зрения их уникальных атрибутов и положения в сети личности.

Материалы и методы

Все испытуемые в этом исследовании предоставили как устное, так и письменное информированное согласие и знали, что их рейтинговые оценки личности должны использоваться в исследовательских целях. Эта процедура была одобрена этическим комитетом факультета психологии Амстердамского университета под номером проекта 2008-PN-427. Никаких исследований не проводилось за пределами нашей страны проживания (Нидерланды) или вне контекста учреждений, которые участвовали в этом исследовании (см. Информацию о принадлежности).

Субъекты

Для этого исследования была отобрана группа из 434 здоровых голландских студентов-психологов. Единственным критерием включения была способность выдержать интервью продолжительностью около 40 минут. Критериями исключения были признаки психопатологии, как определено в DSM-IV-TR (по оценке SCL-90), и родной язык, отличный от голландского. Соотношение мужчин и женщин составило 28,4% против 71,6%, средний возраст — 20,6 года (стандартное отклонение 5,39, диапазон 17–61).

Психометрия

Все испытуемые заполнили шкалу самооценки NEO-PI-R [15].Эта шкала состоит из 240 пунктов, которые оцениваются по шестибалльной шкале Лайкерта (то есть от 0 до 6). NEO-PI-R определяет 5 факторов: невротизм (N), экстраверсия (E), открытость (O), покладистость (A) и добросовестность (C). Факторы состоят из 6 аспектов (например, n1, n2, n3, n4, n5 и n6), и каждый аспект содержит 8 пунктов анкеты.

Факторный анализ

На фасетном уровне исследовательский и подтверждающий PCA произвел 6-факторную и 5-факторную декомпозицию, соответственно (см. Рисунок 1).Чтобы максимизировать сопоставимость со стандартными (нормативными) результатами, факторный анализ проводился с использованием тех же спецификаций, которые применялись при определении набора данных нормы [15]: PCA с вращением Varimax выполнялся в SPSS. Факторы были идентифицированы при собственных значениях> 1 и путем проверки графика. Факторная принадлежность товаров была установлена ​​при загрузке товаров> 0,40.

Рис. 1. Диаграммы анализа основных компонентов уровня фасета (A) и уровня элемента (B).

A. На фасетном уровне 6-факторная структура предлагается с помощью screeplot. B. На уровне элемента обнаруживается 10-факторная структура, не имеющая никакого сходства ни с 5-факторной, ни с 30-фасетной структурой. Такие разложения на уровне элементов, как известно, ненадежны в наборах данных меньшего размера, чем стандартные, таких как текущий набор данных. Следовательно, были выполнены как 5-факторные («подтверждающие»), так и 6-факторные («исследовательские») PCA, чтобы привести результаты на уровне элементов к более правдоподобным решениям. Факторные структуры этих PCA, а не 10-факторная структура, служили шаблонами в процедуре сопоставления NCS-to-FS.См текст для дополнительной информации.

https://doi.org/10.1371/journal.pone.0051558.g001

Как и ожидалось, исследовательский PCA по оценкам элементов в текущем (нестандартном) наборе данных дал неправдоподобные результаты: было найдено 10-факторное решение, которое, при визуальном осмотре не обнаружил сходства ни со стандартной 5-факторной структурой, ни с какой-либо из 30 граней NEO-PI-R (Таблица S1). Такие результаты являются обычным явлением в нестандартных наборах данных и ограничивают использование исследовательского факторного анализа на уровне элементов [5].Чтобы придать факторной структуре на уровне элемента более правдоподобное решение, мы выполнили два PCA на уровне элемента: один с использованием 5-факторной структуры (соответствующей количеству факторов в стандартном наборе данных), которую мы назвали «подтверждающей». 5-факторная структура и одна, включающая 6-факторную структуру, которую мы назвали «исследовательской 6-факторной структурой». Хотя этот анализ технически включал подтверждающий 6-факторный анализ, мы назвали его «исследовательским» из-за его ссылки на исследовательскую факторную структуру на фасетном уровне, которая указывает на 6-факторную структуру.Таким образом, для данных фасетного уровня использовались три факторные структуры: стандартное (5-факторное) решение, подтверждающее (5-факторное) решение и исследовательское (6-факторное) решение (Таблица 1). Аналогичным образом, для данных на уровне элементов использовались три факторные структуры: стандартное (5-факторное) решение, подтверждающее (5-факторное) решение и «исследовательский» 6-FS (Таблица S1). Эти FS служили шаблонами, по которым была оптимизирована NCS NEO-PI-R (см. Ниже).

Сетевой анализ

Сетевые графики.

Сетевые графы были построены как на уровне элементов, так и на уровне аспектов на основе симметричных одномерных матриц корреляции с именами строк и столбцов, относящимися к элементам или фасетам. Эти матрицы были заполнены соответствующими коэффициентами корреляции (r) и преобразованы в неориентированные и взвешенные сетевые графы с помощью NodeXL [22]. В этих сетях узлы (вершины) относятся к элементам или фасетам, относятся к значимым корреляциям между узлами, а веса связей — к соответствующим коэффициентам корреляции.

Обнаружение сетевого кластера.

Для идентификации сетевых кластеров мы использовали алгоритм NCD Вакита-Цуруми, интегрированный в NodeXL [23]. Этот алгоритм представляет собой более эффективный вариант алгоритма Клаузета Ньюмана Мура (CNM), который находит структуру сообщества («кликушность») узлов в сетях восходящим образом, «жадно» оптимизируя модульность сетевого графа [24]. . Оптимальный NCS находится путем итеративного слияния отдельных пар узлов в кластеры сбалансированным образом (и этих кластеров в суперкластеры и так далее), пока не будет достигнута максимальная «модульность».Модульность определяется как показатель качества, который описывает степень, в которой показатели «внутренней» связности сетевых кластеров выше, чем показатели оставшейся «внешней» сети. Группы узлов, которые используют максимум соединений между собой, а не со своим окружением, представляют собой кластеры с высокой модульностью (т.е. кластеры высокого качества). Алгоритм Вакита-Цуруми, реализованный в NodeXL, отличается от исходной версии, не включая «эвристику», которая помогает сетевым сообществам расти сбалансированным образом (см. Текст).Подробнее см. [23].

Соответствие структуры сетевого сообщества факторной структуре

В отличие от компьютерных сетей или Интернета, ссылки в корреляционных сетевых графах присутствуют с определенной вероятностью или «значимостью». P-оценка корреляции (или сетевой ссылки) выражает вероятность того, что корреляция неоправдана (т. Е. Ссылки нет). Следовательно, чем меньше p, тем выше вероятность наличия соединения. Следовательно, идентификация оптимального NCS в корреляционных сетевых графах (таких как граф набора данных NEO-PI-R) включает определение уровня вероятности p значимости ссылки, при которой NCS сети является оптимальной. .До сих пор в международной литературе отсутствовал точный способ определения значения p, при котором достигается оптимальная NCS. Здесь мы описываем процедуру, с помощью которой глобальный порог личностных сетей на уровне фасетов и элементов постепенно повышается (т. Е. Сети удаляются построчно) в порядке увеличения r (коэффициент корреляции, который напрямую связана с p), пока не будет найдено оптимальное соответствие между NCS и различными шаблонными FS. Этот метод «постепенного отсечения» постепенно удалял из сети мало значимые ссылки.После удаления каждой ссылки был применен NCD, и полученный подграф и соответствующая разложение сетевого кластера были сохранены для дальнейшего анализа. На фасетном уровне эта процедура привела к разложению 420 сетевых кластеров ((30 * 30) / 2-30 ссылок). На уровне элементов всего было произведено 28560 разложений сетевых кластеров ((240 * 240) / 2 -240 ссылок). Эти NCS были сопоставлены с факторным содержанием трех альтернативных FS, созданных на уровне элементов и аспектов (стандартный 5-FS, подтверждающий 5-FS и исследовательский 6-FS), которые служили сопоставимыми «шаблонами».Сопоставление состава сетевого кластера с факторными структурами включало сравнение «членства в факторах» и «членства в сетевом кластере» каждого отдельного аспекта и элемента рейтинговой шкалы NEO-PI-R. Факторное членство было представлено в виде двумерной двоичной матрицы (т.е. номер фактора × номер аспекта и номер фактора × номер элемента), которая была заполнена единицами (1) для членства и нулями (0) для отсутствия членства. Аналогичная матрица была сделана для членства в сетевом кластере (номер кластера × номер аспекта или номер кластера × номер элемента).Это было сделано для всех отдельных подграфов, полученных на этапе инкрементальной обрезки. Несоответствия между факторными и кластерными структурами были идентифицированы путем вычитания бинарных матриц членства факторных структур и сетевых кластерных структур для всех подграфов и соответствующих сетевых кластеров, полученных в результате инкрементного сокращения, что привело к измерению межфакторного несоответствия (несходства) для каждого подграфа. и соответствующий набор кластеров. Поскольку факторы и кластеры могут различаться по своим размерам, уровень несоответствия может различаться между сравнениями по этому счету.Чтобы предотвратить ненадежные оценки несоответствия в результате различий в размерах факторов или кластеров, мы нормализовали оценки несоответствий относительно этих различий в размерах, взяв оценку абсолютного несоответствия для каждого сравнения кластеров и факторов и разделив ее на максимально возможное несоответствие. оценка для этого сравнения (т.е. размер фактора + размер кластера).

Факторные решения позволяют загружать одни и те же элементы или аспекты на несколько факторов (Таблица 1). Следовательно, элемент или фасет могут входить в состав различных факторов.Напротив, алгоритм НИЗ Вакита-Цуруми выполняет назначение элементов и аспектов с принудительным выбором их сетевым кластерам (общая черта большинства алгоритмов НИЗ). Это различие в классификации приводит к дополнительным уровням несоответствия, если оно не учтено. Факторные нагрузки поэтому подвергались аналогичному фильтру принудительного выбора, чтобы создать шаблоны, которые использовались для сопоставления FS с NCS. Если элементы или фасеты показали множественные факторные нагрузки, фасет или элемент, показавший самую высокую факторную нагрузку, определил его факторное членство в шаблоне.

В некоторых случаях процедура сопоставления может привести к более чем одному решению с одинаково низкими показателями несоответствия между кластерами и факторами при разных порогах значимости связи (например, Facet Level_SOLUTION1 и Facet Level_SOLUTION2). Если было обнаружено несколько структур сообщества, которые показали одинаковые самые низкие уровни несоответствия, выигрышный NCS был идентифицирован путем выбора NCS, который объяснил наибольшее количество различий в соответствующих оценках факторов. С этой целью оценки сетевого кластера рассчитывались путем суммирования оценок фасетов или элементов и деления результата на общее количество фасетов в сетевом кластере.Затем, коэффициенты корреляции значимых корреляций (p <0,01) между оценками кластера и фактора возводились в квадрат (r ² ) и суммировались, чтобы получить меру общей суммы дисперсии в оценках факторов, как объясняется оценками сетевых кластеров.

Расчет сетевых показателей

Для сетей на уровне элементов, фасетов и кластеров для каждого узла были рассчитаны следующие метрики сети [21]: степень, центральность по промежуточности, центральность по близости, центральность по собственному вектору, рейтинг страниц и коэффициент кластеризации.Были рассчитаны общие сетевые показатели, которые включали средние значения этих параметров, модульность, среднюю длину пути и измерения плотности графиков. Наконец, была рассчитана мера для сетей на уровне элементов и аспектов, которая выражает степень их «компактности» [25]: где C, n, L и k — средний коэффициент кластеризации, количество узлов, средняя длина кратчайшего пути. , и средняя узловая степень сети соответственно. Этот показатель сравнивает отношение среднего коэффициента кластеризации и средней длины кратчайшего пути между эмпирически полученной (NEO-PI-R) сетью и случайно связным графом того же размера.Поскольку сети малого мира связаны неслучайно (с большими средними коэффициентами кластеризации и короткими средними длинами путей), это отношение больше для сети малого мира, чем для случайно связанных графов того же размера. Следовательно, если S> 1, можно считать, что граф обладает свойствами малого мира.

Результаты

Результаты факторного анализа

В таблице 1 показаны результаты подтверждающего (5-факторного) и исследовательского факторного анализа нашего набора данных. См. Рисунок 1 для соответствующих графиков.

На фасетном уровне исследовательский факторный анализ показал 6-факторную структуру, которая отклонялась от стандартной 5-факторной структуры, хотя стандартную структуру все еще можно было в значительной степени распознать (рис. 1A, таблица 1). Подтверждающий 5-факторный анализ дал декомпозицию, которая показала высокую степень сходства с 5-факторной стандартной структурой (таблица 1). Оценка Кайзера-Мейера-Олкина (KMO) набора данных составила 0,864, что указывает на очень хорошую адекватность выборки. Тест Бартлетта на сферичность показал квадрат Хи 6221.5, df = 435, p∼0, что указывает на высокую сферичность набора данных. Исследовательский 6-факторный анализ объяснил 62,8% общей дисперсии фасетных оценок, тогда как подтверждающий 5-факторный анализ объяснил 59,2% общей дисперсии.

Как и ожидалось, PCA на уровне позиции дала ошибочные или слабые результаты (см. Введение, M&M). Исследовательский PCA показал 10-факторную структуру, не имеющую никакого сходства ни с 5-факторной, ни с 30-фасетной структурой (рис. 1B). Подтверждающий 5-факторный анализ позволил получить факторную структуру, в которой можно было бы распознать стандартную 5-факторную структуру, но только в том случае, если допускались низкие факторные нагрузки (т.е. > 0,13; Таблица S1). «Исследовательский» 6-факторный PCA показал аналогичные результаты с дальнейшим ухудшением структуры нормы из-за низких нагрузок на элементы (Таблица S1). На уровне заданий оценка набора данных по шкале Кайзера-Мейера-Олкина (KMO) составила 0,750, что указывает на хорошую адекватность выборки. Тест сферичности Бартлетта показал квадрат Хи 58845,8, df = 28680, p∼0, что указывает на высокую сферичность набора данных. Подтверждающий 5-факторный анализ объяснил 25,7% общей дисперсии баллов по пунктам, тогда как исследовательский 6-факторный анализ объяснил 27.8% от общей дисперсии.

Согласование FS со структурой сетевого кластера: уровень аспектов

На рис. 2A показаны результаты сопоставления трех различных FS (стандартная 5-FS, подтверждающая 5-FS и исследовательская 6-FS) с сетевыми кластерными структурами полного диапазона подграфов, созданных путем постепенного сокращения сети фасетного уровня. Корреляционная матрица фасетных оценок содержала 434 корреляции от r = 0 до r = 0,671. Наиболее близкое совпадение FS с NCS было обнаружено с подтверждающим 5-FS со средним несоответствием на фактор только 3.76% (более подробную информацию см. Ниже). Стандартный 5-FS также показал вполне разумное совпадение: средний балл несоответствия на кластер составил 7,1%, а невротизм показал наибольшее отклонение (20%). Исследовательский 6-FS показал самые высокие баллы несоответствия (18,31%). Парные T-тесты показали, что NCS был значительно ближе к подтверждающему 5-FS по всему диапазону подграфов, чем стандартный 5-FS (средняя разница = 1,4%, T = 20,51, df = 433, p∼0) и исследовательский 6 -FS (средняя разница = 5.7%, T = −24,18, df = 433, p∼0). Таким образом, для подтверждающего 5-FS были найдены как глобальные, так и локальные наилучшие результаты. Во всем диапазоне подграфов уровня фасетов не было обнаружено четкого совпадения с шестым фактором исследовательского 6-FS (совпадение в лучшем случае 33%), см. Таблицу 2.

Рисунок 2. Результаты процедуры сопоставления структуры сетевого сообщества с факторной структурой на фасетном уровне.

A. Результаты процедуры сопоставления NCS-to-FS для стандартных, подтверждающих и исследовательских FS.Ось X показывает коэффициент корреляции r как порог значимости ссылки в сетевом графе (чем больше r увеличивается вправо, тем больше ссылок удаляется из сети). Ось Y показывает нормализованные оценки несходства (несоответствия). Синий: стандартный 5-ФС, красный: подтверждающий 5-ФС, зеленый: исследовательский 6-ФС. Подтверждающий 5-FS показывает лучшее совпадение с NCS при r = 0,271, p = 4,89E-09. Для получения дополнительной информации см. Текст и таблицы 1 и 2. B. Результаты процедуры сопоставления NCS-FS для конкретного случая выигравшего подтверждающего 5-FS (красная линия на рис. A) с подспецификацией сопоставления результаты по фактору.F1 – F5: подтверждающие факторы, напоминающие невротизм, экстраверсию, открытость, доброжелательность и сознательность соответственно. Подробнее см. Текст и таблицы 1 и 2.

https://doi.org/10.1371/journal.pone.0051558.g002

На рисунке 2B показана степень несоответствия между сетевыми кластерами и факторами для конкретного случая (выигрышной) подтверждающей 5-FS. Два разных NCS были обнаружены на разных глобальных порогах, которые показали одинаковый глобальный минимум несоответствия с подтверждающим 5-FS.Они назывались «Facet Level_SOLUTION1» и «Facet Level_SOLUTION2». Facet Level_SOLUTION1 был стабильным для 3 последовательно сокращаемых ссылок для (r = от 0,255 до 0,256, p = 3,60 E-08 до 3,08 E-08), а Facet Level_SOLUTION2 был стабильным для 8 последовательно сокращаемых ссылок (r = от 0,268 до 0,271, p = 7,25 E -09 до 4,89 E-09). Facet Level_SOLUTION2 продемонстрировал тенденцию к объяснению большей дисперсии факторных оценок подтверждающего (5) факторного решения, чем Facet Level_SOLUTION1 (T = 1,83, df = 24, p = 0,08, T-тест для двух выборок).Следовательно, это решение было выбрано как выигрышное. Наибольшая величина объясненной дисперсии была обнаружена при r = 0,271, p = 4,89 E-09. На этом пороге три сетевых кластера показали полное совпадение со своими соответствующими факторами (кластер 2 и EXTRAVERSION, кластер 3 и ОТКРЫТОСТЬ, кластер 5 и СОЗНАТЕЛЬНОСТЬ), один кластер показал 7% несоответствие (кластер 1 и НЕЙРОТИКИЗМ), а другой — 11. % несоответствия (кластер 4 и СОГЛАСОВАННОСТЬ), см. Таблицу 2. Оценки этих сетевых кластеров объясняют в среднем 96 баллов.2% дисперсии факторных оценок подтверждающего 5-FS. Кроме того, эти кластерные оценки объясняют 69,6% общей дисперсии, наблюдаемой в наборе данных фасетного уровня (15,0%, 16,6%, 11,8%, 11,7% и 14,5% для кластеров 1, 2, 3, 4 и 5, соответственно). Следовательно, больше вариаций объясняется НИЗ, чем PCA (либо в подтверждающем, либо в исследовательском анализе). На рисунке 3 показан сетевой граф фасетного уровня.

Рис. 3. Сеть личности на уровне аспектов: сетевой график корреляционных отношений между 30 гранями NEO-PI-R.

Структура сообщества на этом графике в целом наилучшим образом соответствует подтверждающему 5-FS, возникающему при r> 0,271, p <4,89 E-09. См. Таблицу 2 для значений и коэффициентов корреляции. Узел = аспект, ссылка = значимая корреляция. Красные ссылки: положительные корреляции. Синие ссылки: отрицательные корреляции. Толщина ссылок отражает силу корреляции. Для получения дополнительной информации см. Таблицу 4B. n = невротизм, e = экстраверсия, o = открытость, a = уступчивость, c = сознательность.Цифры относятся к номеру фасета. Узлы располагаются в кластерах в соответствии с их факторной принадлежностью (стандарт 5-FS). Цвет узлов обозначает их принадлежность к сетевому кластеру. Только две грани показывают несоответствие стандартной 5-FS (n5 и n2). Оба несоответствия связаны с измерением невротизма, изображенным ниже красным. Эти грани имеют сильную корреляцию с аспектами из кластера сознательности (синий) и кластера согласия (зеленый), что можно увидеть по толщине соответствующих связей.В результате n5 «втягивается» в кластер сознательности, а n2 - в кластер согласия.

https://doi.org/10.1371/journal.pone.0051558.g003

Когда требование общего соответствия между NCS и FS было отменено, некоторые отдельные факторы показали лучшее соответствие с отдельными кластерами при различных порогах (см. Таблицу 2 ). Это может указывать на то, что отдельные сетевые кластеры требуют своего собственного глобального порога для оптимального представления. Однако все пороговые значения для этих индивидуальных наилучших совпадений довольно плотно сгруппированы вокруг порога наилучшего общего совпадения (таблица 2), что позволяет предположить, что общее наилучшее совпадение является хорошей оценкой индивидуальных наилучших совпадений.

Соответствие FS структуре сетевого кластера: уровень элемента

На рис. 4A показаны результаты сопоставления трех различных FS (стандартная 5-FS, подтверждающая 5-FS и исследовательская 6-FS) со структурами сетевого кластера полного диапазона подграфов, созданных путем постепенного сокращения сети на уровне элементов. Корреляционная матрица баллов по пунктам содержала 28680 корреляций от r = 0 до r = 0,759. Наиболее близкое совпадение NCS с FS было обнаружено со стандартным 5-FS со средним несоответствием на фактор 19.8%. За этим последовал подтверждающий 5-FS со средним несоответствием на фактор 20,6%. Лучшее совпадение с исследовательским 6-FS было более проблематичным, со средним несоответствием на фактор 28,9%. Парные T-тесты показали, что NCS был значительно ближе к подтверждающему 5-FS по всему диапазону подграфов, чем стандартные (средняя разница = 0,6%, T = 114,7, df = 28678, p∼0) или решения исследовательских факторов (средняя разница = 5,8%, T = -348,04, df = 28678, p∼0). Несмотря на такие глобальные соответствия, наилучшее локальное соответствие NCS было найдено при стандартной факторной структуре.По всему диапазону подграфов уровня элементов не было обнаружено четкого совпадения с шестым фактором исследовательского 6-FS (совпадение в лучшем случае 17,3%), см. Таблицу 3.

Рисунок 4. Результаты процедуры сопоставления структуры сетевого сообщества с факторной структурой на уровне элемента.

A. Результаты процедуры сопоставления NCS-to-FS для стандартного, подтверждающего и исследовательского факторного анализа. Применяются те же спецификации, что и на рисунке 2. Минимальное несоответствие (несоответствие) обнаружено со стандартной 5-FS при r = 0.164, р = 3,08E-04. Подробности см. В тексте и в таблицах 1 и 3. B. Результаты процедуры сопоставления NCS-FS для конкретного случая победившего стандарта 5-FS (синяя линия на рисунке A) с подспецификацией сопоставления результаты по фактору. N, E, O, A, C: НЕЙРОТИК, ЭКСТРАВЕРСИЯ, ОТКРЫТОСТЬ, СОГЛАСОВАННОСТЬ и СОЗДАНИЕ. Различные факторы показывают различную степень соответствия NCS. Подробнее см. В тексте и в таблицах 1 и 3.

https://doi.org/10.1371/journal.pone.0051558.g004

На рисунке 4B показана степень несоответствия между факторами и сетевыми кластерами для конкретного случая (выигрышной) стандартной 5-FS. Во всем диапазоне подграфов была обнаружена только одна структура сообщества (уровень элемента_SOLUTION1), которая показала наилучшее общее совпадение с этой FS. Это решение было стабильным в диапазоне 19 последовательно сокращаемых ссылок (что соответствует r = 0,1635–0,1638, p = 3,13E-04–3.08E-04). Кластеры этой структуры сообщества объясняли в среднем 80% дисперсии наиболее соответствующих факторов.В целом, кластерные баллы на уровне заданий объясняют 33,2% общей дисперсии, наблюдаемой в оценках заданий (т. Е. 6,4%, 3,6%, 8,0%, 4,5%, 6,4% и 4,3% для кластеров 1, 2, 3, 4, 5 и 6 соответственно). Это большая разница, чем объясняется факторным анализом на уровне элементов (24,4%). На рисунке 5 показан соответствующий сетевой граф на уровне элемента.

Рис. 5. Персональная сеть на уровне элемента: сетевой граф корреляционных отношений между 240 элементами NEO-PI-R.

Структура сообщества на этом графике в целом лучше всего соответствует стандартной 5-FS, возникающей при r = 0.164, р = 3,08E-04. Узел = элемент, ссылка = значимая корреляция. Красные ссылки: положительные корреляции. Синие ссылки: отрицательные корреляции. Размер узла = градус (более крупные узлы — это более крупные концентраторы, масштаб = от 1 до 10). Для получения дополнительной информации см. Вспомогательную информацию (Таблица S2). Цвет предметов относится к их стандартной принадлежности к факторам, то есть красный: невротизм, оранжевый: экстраверсия, желтый: открытость, зеленый: доброжелательность, синий: сознательность. Элементы сгруппированы вместе в соответствии с их членством в сетевом кластере, а кластеры обозначены кружками.Кластеры сгруппированы по размеру. Выявлено пять кластеров, показывающих максимальное соответствие стандартным факторам (таблица 3,4). Обнаружен небольшой 6-й фактор (справа на графике), состоящий из 9 пунктов, относящихся к экстраверсии (1 пункт), открытости (3 пункта), покладистости (3 пункта) и невротизму (2 пункта). Четыре изолята (нижний правый угол), состоящие из 1 или 2 элементов, были исключены из дальнейшего анализа. Большинство хабов из 10% лучших находятся в кластерах экстраверсии и невротизма.

https: // doi.org / 10.1371 / journal.pone.0051558.g005

Когда требование общего соответствия между NCS и FS было отброшено, лучшие совпадения были обнаружены для индивидуальных сравнений кластеров с факторами (несоответствие до 10,43% для сетевого кластера 5 с добросовестность стандартного факторного решения), см. Таблицу 3. Пороговые значения для этих индивидуальных совпадений сгруппированы вокруг порогового значения для наилучшего общего совпадения (Таблица 3), что снова указывает на то, что глобальное наилучшее совпадение является хорошей оценкой индивидуальных наилучших совпадений.

Сетевые кластеры на уровне элементов сразу же образовали крупномасштабные кластеры, показывающие хорошее соответствие со стандартными факторами. Не было обнаружено никаких доказательств наличия промежуточного фасеточного уровня ни при более высоких, ни при более низких порогах. NCS, которая показала оптимальное соответствие со стандартной 5-FS, включала шестикластерную сетевую структуру. Шестой кластер содержал всего 9 пунктов. Сюда входили один элемент экстраверсии, два элемента невротизма (с отрицательной корреляцией с другими элементами кластера), три элемента открытости и три элемента согласия (таблица S2, рисунок 5).Некоторые отдельные элементы («изоляты») не были классифицированы в отдельные кластеры и были исключены из дальнейшего анализа кластерного уровня. Оценки кластеров были рассчитаны для всех шести кластеров, и корреляционная матрица была сгенерирована при p <0,01 с поправкой на множественные сравнения. На рисунке 6 показан соответствующий сетевой граф кластерного уровня.

CLUSTER1_N, CLUSTER2_E, CLUSTER3_O, CLUSTER4_A, CLUSTER5_C: кластеры, показывающие максимальное соответствие со стандартными кластерами невротизма, экстраверсии, открытости, доброжелательности и сознательности соответственно. CLUSTER6: новый шестой фактор (см. Рисунок 5, таблицу 4 и обсуждение). Сетевой график показан при p <0,01 с поправкой на множественные сравнения. Толщина звеньев отражает силу коэффициента корреляции. Коэффициенты корреляции показаны рядом со ссылками.Красный: положительные корреляции, синий: отрицательные корреляции. Для получения дополнительной информации см. Таблицу 4A. CLUSTER1_N, аналог Neuroticism, оказывает только отрицательное (тормозящее) влияние на остальную структуру сети, которая показывает только положительные взаимосвязи. Такие сети личности могут представлять собой структуры развития. CLUSTER2_E (аналог экстраверсии), CLUSTER5_C (аналог сознательности) и кластер 6 ^-й образуют промежуточную структуру между CLUSTER1_N (аналог невротизма) и CLUSTER4_A и CLUSTER3_O (аналоги доброжелательности и открытости).Это говорит о том, что негативное влияние невротизма на показатели доброжелательности и открытости, наблюдаемое при расстройствах личности, опосредовано этим промежуточным уровнем (см. Подробности в обсуждении).

https://doi.org/10.1371/journal.pone.0051558.g006

Сетевые показатели

В таблицах 4A и 4B показано содержимое сетевых кластеров для выигравших NCS на уровне фасетов и кластеров, а также соответствующие метрики сети. Аналогичные данные для сети на уровне элементов приведены в качестве вспомогательной информации (Таблица S2).Узлы, имеющие центральное значение для передачи информации через личную сеть, были идентифицированы с помощью их степени (концентраторы) и промежуточности (см. Обсуждение). На уровне элементов верхние 10% узлов располагались в основном в кластере экстраверсии. Кроме того, кластеры невротизма и (в меньшей степени) сознательности были богаты узловыми узлами (рис. 5). Аналогичное распределение по кластерам наблюдалось для 10 ^-го процентилей узлов с наибольшей промежуточной центральностью.Кластер открытости был особенно лишен особых узлов. В таблице 5 показаны общие сетевые показатели для этих трех графиков. Что касается топологии сети, было найдено значение S = 2,58 для сети уровня фасета и значение S = 1,94 для сети уровня элемента, что указывает на то, что индивидуальная сеть на обоих уровнях характеризуется структурой малого мира.

Обсуждение

В текущем исследовании напрямую сравниваются результаты обнаружения сетевого сообщества (НИЗ) и анализа главных компонентов (PCA) в наборе данных оценок личности (NEO-PI-R).Структура сетевого сообщества (NCS) согласовывалась с факторной структурой (FS), постепенно повышая порог значимости сетевых ссылок, пока NCS не показывал оптимальное соответствие с FS. Наш анализ показывает, что PCA и NCD дают очень похожие результаты, подтверждая теоретическое сходство между двумя методами [19], [20]. Сначала мы сравнили результаты PCA и NCD на фасетном уровне, поскольку оба метода хорошо работают на этом уровне. Затем мы выполнили НИЗ на уровне заданий, чтобы проверить, дадут ли НИЗ, в отличие от АКП, правдоподобные результаты на этом уровне.Интересно, что НИЗ хорошо проявили себя на уровне заданий. Сетевые кластеры объяснили большую дисперсию данных как на фасетном уровне, так и на уровне элемента, чем соответствующие FS, предполагая, что НИЗ обеспечивает лучшее обобщение данных. Можно получить информацию о влиянии ключевых узлов в сети личности, что позволит в будущем проводить исследования развития личности. Таким образом, NCS может преодолеть некоторые из основных ограничений PCA. Ниже мы сначала сравним результаты NCA и PCA на уровне аспектов и элементов.Далее мы обсудим ценность сети личности для изучения нормального развития личности и расстройств личности.

Уровень граней

На фасетном уровне, NCD показал лучшее совпадение с подтверждающим 5-FS (96,2%). Аналогичное точное совпадение было обнаружено со стандартной FS (92,0%), которая мало отличалась от подтверждающей структуры. Эти результаты подтверждают наши ожидания, что NCS покажет точное соответствие (стандартным) FS на фасетном уровне. Это совпадение не было случайностью, учитывая резкий спад кривых несоответствия, которые явно сходились к оптимальному решению, которое было стабильным в течение 8 последовательных действий по сокращению (рис. 2).Общая сумма дисперсии, объясняемая оценками сетевых кластеров, была больше, чем та, которая объяснялась оценками факторов. Следовательно, NCS, кажется, обеспечивает лучшее обобщение данных. Для подтверждающего 5-FS были найдены как локальные, так и глобальные наилучшие результаты, что указывает на то, что НИЗ на фасетном уровне сходится к решению, близкому к стандартному 5-FS. Стандартный 5-FS показал лучшее соответствие, чем исследовательский FS. Это противоречило нашим ожиданиям, поскольку стандартная FS получена из другого (нормального) набора данных.Несоответствие с исследовательской FS было в значительной степени связано с плохим совпадением с шестым фактором, поскольку процент несоответствия был наибольшим для этого фактора. Это открытие указывает на то, что АКП и НИЗ могут давать разные результаты при меньших факторах. Частично это можно объяснить характером принудительного выбора алгоритма Вакита-Цуруми. В контексте неоднозначных факторных нагрузок фасетов распределение фасетов по сетевым кластерам с принудительным выбором в некоторой степени включает в себя случайный процесс (то есть правильная классификация в сравнении с неправильной).В результате содержимое кластера меньших модулей может иметь большие отклонения, поскольку неправильное размещение более серьезно ощущается в небольших кластерах. Для более крупных кластеров такие эффекты усредняются. В качестве альтернативы, отсутствие совпадения с фактором 6 ^th (исследовательский) может указывать на фундаментальное различие между двумя методами кластеризации (см. Ниже).

И в PCA, и в NCD аспекты измерения невротизма отклонялись от стандартного решения и были частично перераспределены между кластерами согласия и сознательности.Следовательно, возможно, что измерение невротизма в нашей выборке молодых студентов-психологов отклонялось от стандартной (нормы) популяции. Перераспределение граней n2 и n5 вызвало преувеличенное несоответствие (3,8%) между результатами НИЗ и PCA, поскольку оценки несоответствия были найдены не только для невротизма, но также и для кластеров согласия и добросовестности, хотя эти последние кластеры были идеально воспроизведены помимо включение граней невротизма. Таким образом, ожидается, что НИЗ будут вести себя еще более аналогично PCA (т.е. > 96,2%) при применении в более крупных (стандартных) наборах данных.

Уровень предмета

В отличие от PCA, NCD на уровне элемента произвел ограниченный набор правдоподобных модулей, которые показали хорошее соответствие с FS набора данных нормы (80%). Это совпадение не было случайностью, учитывая наклон кривых несоответствия, которые явно сходились к оптимальному решению, которое было стабильным на 19 последовательно сокращаемых ссылках (рис. 4). Общая сумма дисперсии, объясняемая оценками сетевых кластеров, была больше, чем та, которая объяснялась оценками факторов.Следовательно, НИЗ, кажется, превосходит факторный анализ в извлечении модульности из данных на уровне элементов в нестандартных выборках. По сравнению с уровнем фасетов общее соответствие было ниже (80%). Скорее всего, это связано с тем, что наша выборка отклонилась от нормы как по численности (студенты колледжей), так и по размеру выборки. Более точное совпадение ожидается, если НИЗ будут проводиться в стандартных наборах данных.

NCD продемонстрировал более близкое глобальное соответствие с подтверждающими 5-FS, подтверждая наши ожидания, что NCS показывает лучшее соответствие с FS, полученными из тех же наборов данных.Тем не менее, наилучшее совпадение было найдено для стандартной (нормы) FS, которая включала локальную подгонку. Это противоречило нашим ожиданиям и дает возможность того, что НИЗ при выполнении на уровне заданий может использовать дополнительную информацию, которая облегчает извлечение «истинной» (стандартной) модульной структуры человеческой личности из нестандартных наборов данных. Одним из объяснений того, почему NCD превосходит PCA на уровне элемента, является природа принудительного выбора алгоритма Вакита-Цуруми NCD, который дихотомизирует членство в сетевом кластере.Хотя это может быть проблематично в небольших кластерах (например, на уровне аспектов, см. Выше), это может снизить чувствительность к случайным отклонениям в более крупных кластерах (например, на уровне элементов), поскольку они усреднены. Однако это не может полностью объяснить лучшую производительность, поскольку аналогичный фильтр принудительного выбора был применен к факторным нагрузкам, чтобы избежать различий между результатами NCD и PCA именно по этой причине. Следовательно, некоторые атрибуты, характерные для НИЗ, могут быть ответственны за лучшую эффективность НИЗ по сравнению с PCA.PCA сначала определяет фактор, который объясняет наибольшую дисперсию данных, после чего его влияние линейно вычитается из данных, и процесс повторяется. Вместо этого NCD жадно строит модули по восходящей схеме, в большей степени учитывая глобальную картину набора данных. Таким образом, НИЗ могут иметь доступ к большему объему информации. Необходимы дальнейшие исследования, чтобы выяснить, действительно ли НИЗ дает результаты в меньших наборах данных, которые все же можно распространить на население в целом.

На уровне элемента НИЗ сразу же идентифицировали большие кластеры, т.е.е. промежуточного (фасеточного) уровня агрегации не обнаружено. Этот вывод согласуется с предыдущими факторными аналитическими исследованиями, в которых не было обнаружено доказательств того, что фасеты являются промежуточным уровнем агрегирования между элементами и факторами при принятии восходящего подхода [18]. Если эти результаты могут быть воспроизведены с другими наборами данных и кластерными алгоритмами, это добавит к растущей идее о том, что фасеты не являются отдельными подкластерами. Вместо этого фасеты могут быть определены как вложенные иерархии взаимосвязанных элементов в сетевых кластерах.Такие иерархии не обнаруживаются с помощью текущего алгоритма кластеризации, но могут быть исследованы с помощью альтернативных кластерных алгоритмов (например, [26]).

На уровне элемента NCS, который показал оптимальное сходство с (стандартным) 5-FS, был обнаружен на глобальном пороге, который вводил небольшой шестой фактор рядом с другими пятью (рис. 5). Подтверждающий 6-FS на уровне заданий показал меньшее соответствие NCS, чем стандартный FS. Следовательно, этот шестой сетевой кластер создается только НИЗ. В предыдущих факторно-аналитических исследованиях существование фактора 6 ^th было постулировано на основе факторного разложения NEO-PI-R в больших международных выборках, включая население Нидерландов [27].Кроме того, 6-FS был идентифицирован в образцах, в которых модифицированная версия NEO-PI-R (Честность / Смирение-Эмоциональность-Согласие-Сознательность-Открытость (HEXACO) Эштон и Ли [28]), которая содержит дополнительные аспекты или элементы, относящиеся к нормативным (например, моральным) суждениям в отношении себя и других. Этот шестой фактор получил название «Честность / Смирение». Предыдущие исследования показали, что элементы и аспекты, которые являются частью этого шестого фактора, соответствуют параметрам фактора согласия Пятифакторной модели [29].Пунктов, которые мы нашли в шестом сетевом кластере, меньше, чем описанных для Честности-Смирения. Различия в содержании установить сложно, поскольку элементы HEXACO отличаются от элементов NEO-PI-R. Однако, учитывая природу его элементов, возможно, что шестой сетевой кластер представляет собой кластер Честности / Смирения. В качестве альтернативы, шестой кластер может просто представлять «ошибку», содержание которой оптимизировано для получения оптимального соответствия оставшихся кластеров с пятью факторами NEO-PI-R.В будущих исследованиях существование шестого (честного) сетевого кластера можно будет более конкретно изучить, сопоставив сетевые кластеры HEXACO с размерами HEXACO.

Сеть личности как структура развития

Идея о том, что личность развивается в направлении зрелости по определенным путям или последовательностям черт личности, которые достигаются в течение жизни, получила широкую поддержку в исследованиях здоровой личности (например, [30] — [32]). Исследования показали, что высокий уровень невротизма ограничивает максимальный уровень согласия, которого можно достичь [33].Неспособность развиваться высшим (характерным) измерениям напрямую связана с наличием расстройств личности [34]. Для всех расстройств личности в DSM-IV-TR [34] — [36] могут быть даны конкретные профили оценок личностных факторов. Все эти расстройства связаны с неспособностью к развитию функций высшего порядка [34]. Иерархическая структура личности дополнительно подтверждается результатами исследований нейровизуализации, показывающими, что пациенты с расстройствами личности обнаруживают дефицит в областях мозга более высокого порядка, таких как префронтальная кора [37], [38].Однако до сих пор в международной литературе отсутствует интегративный и эмпирический взгляд на развитие личности с точки зрения путей развития или последовательности черт. Шесть кластеров «Персональная сеть», которую мы вывели на уровне элементов и кластеров, можно квалифицировать как такую ​​точку зрения (рисунки 5, 6). В нем описаны возможные маршруты, которые субъекты могут выбрать в процессе развития личности. В таких сетях можно идентифицировать отдельные предметы и кластеры, которые могут играть решающую роль в опосредовании роста здоровых личностей.Например, элементы с высокой степенью взаимосвязи (концентраторы) имеют решающее значение для сохранения целостности Личностной паутины и облегчения взаимодействия между различными личностными чертами во время развития. Кроме того, элементы с высокой промежуточной центральностью (т. Е. Лежащие между двумя большими кластерами) играют центральную роль в посредничестве между двумя кластерами, что может происходить во время развития личности. В общем, единичные сетевые элементы представляют собой интегративные структуры более высокого порядка, которые делают сложные сети уязвимыми для повреждений [39].Если важные узлы в паутине личности не развиваются должным образом (например, если нейронные корреляты черт узловых точек выборочно устраняются в результате захвата или определенных неблагоприятных факторов окружающей среды), это может вызвать закрытие определенных маршрутов развития, что приводит к массовое нарушение функционирования человеческой личности. В нашем наборе данных элементы с наивысшими степенями (концентраторами) в основном располагались в пределах экстраверсии и, в меньшей степени, кластера невротизма (таблица S2). Поскольку все эти хабы связаны между собой в рамках одного кластера, эти кластеры образуют так называемые «богатые клубы» тесно связанных элементов [40].В нейробиологии богатые клубы представляют собой интегративные структуры более высокого уровня, которые служат для генерации глобальных представлений об окружающей среде [41]. Предметы богатого клуба NEO-PI-R связаны с предметами из всех других кластеров личности. Следовательно, кластер экстраверсии и кластеры невротизма можно рассматривать как единичные кластеры в отношении интеграции информации из всех других кластеров личности. Поскольку экстраверсия и невротизм играют решающую роль в регуляции положительного и отрицательного аффекта соответственно [42], [43], существует вероятность того, что измерения невротизма и экстраверсии представляют собой интегративные структуры более высокого порядка, такие как богатые клубы, которые необходимы для здорового аффекта. регулирование.На уровне кластера (рис.6) кластеры экстраверсии и невротизма не выделялись в качестве основных узлов, но веса связей, окружающих кластеры невротизма и экстраверсии, были относительно сильными, что может быть связано с сильной связностью составляющих элементов эти кластеры. Экстраверсия, кластер 6 ^th и кластеры добросовестности показали наивысшую промежуточную центральность, то есть были непропорционально вовлечены в передачу трафика между другими кластерами. Следовательно, эти три кластера, по-видимому, образуют промежуточный уровень в структуре личности, который опосредует коммуникацию между кластером невротизма, с одной стороны, и согласием и открытостью к аналогам опыта, с другой.Кластер невротизма был единственным узлом в сети, который производил тормозящие эффекты (рис. 6). Поскольку расстройства личности в соответствии с DSM-IV-TR характеризуются высоким уровнем невротизма и низким уровнем уступчивости и открытости [35], [36], это дает основание для гипотезы о том, что показатели уступчивости и открытости ограничиваются невротизмом косвенно через прямое воздействие на промежуточный уровень развития, составляющий кластеры экстраверсии, сознательности и, возможно, кластер 6 ^-го .Поскольку экстраверсия и невротизм занимают центральное место в регуляции аффекта, достигнутый уровень согласия и открытости может в значительной степени быть чистым результатом баланса между позитивным и негативным регулированием аффекта в контексте сознательности (рис. 6). Таким образом, необычная природа клубов, богатых экстраверсией и невротизмом, делает вероятным, что дисбаланс в развитии этих групп приводит к серьезным нарушениям нормального развития личности. Будущие исследования пациентов с расстройствами личности должны понять ценность этой гипотезы.

Ограничения и направления на будущее

Мы показали, что структура сети (сообщества) данных, полученных из многомерных вопросников, может быть оптимизирована по отношению к ФС таких наборов данных. Однако факторный анализ сам по себе подвержен неточностям и ошибкам. Таким образом, разложение сетевого кластера может быть искажено результатами факторного анализа. Факторный анализ обычно считается «объективным» методом, который исследует наблюдаемую ковариацию в наборах данных.Тем не менее, пороговые значения, используемые для оценки значимости факторных нагрузок и проверки осыпи, могут считаться довольно произвольными [5]. Следовательно, для независимого изучения кластерной структуры сетей следует применять другие методы. Такие методы могут включать в себя различные кластерные алгоритмы или другие методы определения вероятности сетевых ссылок, например с использованием методов весовой фильтрации [44]. Однако использование весовых фильтров в корреляционных сетях ограничено, поскольку весовое распределение в этих сетях приблизительно нормальное, а весовая фильтрация лучше всего работает с ненормальными распределениями.Следовательно, текущий подход к использованию факторной структуры корреляционных наборов данных в качестве шаблона, на основе которого оптимизируется структура сетевого сообщества, является одним из наиболее управляемых данными методов, которые в настоящее время доступны для оптимизации сетевой структуры.

В текущем исследовании использовался алгоритм NCD Вакита-Цуруми, поскольку этот метод теоретически хорошо согласуется с анализом главных компонентов и работает как для сетей с большим, так и с относительно небольшим количеством узлов [23].Алгоритм Вакита-Цуруми, который мы использовали, представляет собой невзвешенный, не подписанный, неиерархический алгоритм кластеризации. Это означает, что веса ссылок (силы корреляции) и знаки коэффициентов корреляции (положительные или отрицательные) не используются для определения модульности сетей. Кроме того, сетевые иерархии не обнаруживаются. Возможно, что различные кластерные алгоритмы, которые учитывают эти меры, могут предоставить дополнительную информацию и, возможно, показать равные или лучшие совпадения с FS (например,грамм. [26]). В частности, алгоритмы кластеризации, которые исследуют иерархические отношения, кажутся многообещающими инструментами для будущих исследований, изучающих масштабируемую структуру личностных сетей, выявления аспектов и определения ключевых областей уязвимости Интернета (см. Выше). Такие методы доказали свою применимость в биологических данных, где они показали интересные результаты для паттернов коэкспрессии генов и активации мозга [26].

Следует сделать несколько замечаний относительно исследований сетевой структуры фенотипических данных (анкет).В данных о мозге или генетике важно различать узлы (гены, нейроны или вокселы), которые показывают все положительные (возбуждающие) или все отрицательные (тормозящие) взаимосвязи. Однако в фенотипических данных такое деление непросто. Например, в одном задании может быть задан вопрос, любит ли испытуемый прыжки с тарзанки, в то время как в другом задании может задаваться вопрос, не любит ли человек рисковать. Эти элементы будут иметь баллы, которые, вероятно, будут иметь отрицательную корреляцию, хотя оба они пытаются измерить одну и ту же основную глобальную характеристику (например,грамм. открытость опыту). Если бы такие вопросы были сгруппированы в разные кластеры (например, с использованием подписанного кластерного анализа), это мало что добавило бы к знанию кластерной структуры личности и, скорее всего, выявило бы особенности в формулировке различных вопросов. Следовательно, в фенотипических исследованиях знак корреляций имеет меньшее значение, чем в биологических. Подобная языковая проблема может искажать обнаружение иерархий, которые могут представлять либо более общие, либо более конкретные фразы при тестировании на одну и ту же основную черту.

Таким образом, рекомендуется проявлять некоторую осторожность при интерпретации результатов алгоритмов сетевых кластеров на феноменологическом уровне. Важно приписывать правильное количество ценности информации, данной уникальностью определенных узлов Сети Личности. Тем не менее, NEO-PI-R — это очень тщательно изученный вопросник, из которого были удалены лишние вопросы, объясняющие небольшую дополнительную дисперсию в оценках факторов. Следовательно, кажется приемлемым рассматривать пункты-хабы в NEO-PI-R как подлинные соединители высокой степени, а не как результат плохо сформулированных вопросов, которые коррелируют со многими другими оценками.Присутствие структуры малого мира в сети NEO-PI-R, по-видимому, указывает на направление биологически вероятной сети [45], [46]. Чтобы еще больше повысить достоверность наших результатов, мы включили довольно большое количество субъектов, особенно по сравнению с другими нестандартными выборками. Наконец, мы явно выбрали невзвешенный алгоритм, такой как Вакита-Цуруми, для текущего исследования, поскольку это позволило нам систематически изменять веса сетевых ссылок во время техники постепенного отсечения.Это позволило детально изучить влияние различной силы связности на кластерную структуру сети NEO и определить ее оптимальную сетевую структуру. Не делалось никаких предварительных предположений относительно существования структур или иерархий небольшого мира, чтобы не переоценивать информационное содержание наших данных. Однако, несмотря на такие меры, из данных все же были выявлены биологически правдоподобные структуры. Поэтому было бы интересно сравнить фенотипическую сетевую структуру личности со структурными и функциональными коннектомами человеческого мозга.

Заключение

Сетевой анализ фенотипических данных личности может быть использован для построения Личностной Сети. Такие сети являются мощным инструментом для изучения нормального развития личности и расстройств личности. Можно преобразовать предыдущие результаты факторного анализа в сетевые описания человеческой личности. Это захватывающий новый путь, который может изменить наш взгляд как на здоровое функционирование человека, так и на болезни. Сетевая наука обеспечивает прочную теоретическую основу для изучения человеческой личности.Поскольку человеческий мозг имеет четкую многомодульную иерархическую сетевую структуру [47], можно ожидать, что фенотипические корреляты человеческого мозга (такие как оценки личности) будут иметь сопоставимую собственную сетевую структуру. Шансы на обнаружение значимых взаимосвязей между нейрофизиологическим и фенотипическим уровнями могут улучшиться, если кто-то будет изучать такие взаимосвязи, используя теорию сетей как единый и, возможно, объединяющий метод.

Благодарности

Мы хотели бы поблагодарить руководство амбулаторной клиники отделения расстройств настроения PsyQ за предоставление необходимого количества времени для исследования.Также мы хотели бы поблагодарить студентов Амстердамского университета за любезно предоставленные ими индивидуальные оценки.

Вклад авторов

Задумал и спроектировал эксперименты: RG JGG. Проведены эксперименты: РГ. Проанализированы данные: РГ. Предоставленные реагенты / материалы / инструменты анализа: RG HSS. Написал бумагу: РГ. Рецензировал рукопись: RG JGG HSS.

Ссылки

1. 1. Финансирующий округ Колумбия (2001) Личность. Анну Рев Психол 52: 197–221.
2. 2. Trull TJ, Durrett CA (2005) Категориальные и размерные модели расстройства личности. Анну Рев Clin Psychol 1: 355–380.
3. 3. Huprich SK, Bornstein RF (2007) Обзор вопросов, связанных с категориальными и размерными моделями оценки расстройства личности. J Pers Assess 89: 3–15.
4. 4. Lowe JR, Widiger TA (2009) Суждения клиницистов о клинической полезности: сравнение DSM-IV с многомерными моделями общей личности.J Pers Disord 23: 211–229.
5. 5. Ким Дж. М., Мюллер К. В. (1991) Введение в факторный анализ — что это такое и как это делать; Льюис-Бек М.С., редактор. Калифорния, США: Сара Миллер МакКьюн, Sage Publications Inc.
6. 6. Сбарра Д.А., Нитерт П.Дж. (2009) Развод и смерть: сорок лет Чарльстонского исследования сердца. Psychol Sci 20: 107–113.
7. 7. Whisman MA, Tolejko N, Chatav Y (2007) Социальные последствия расстройств личности: вероятность и время заключения брака и вероятность разрыва брака.J Pers Disord 21: 690–695.
8. 8. Josefsson K, Cloninger CR, Hintsanen M, Jokela M, Pulkki-Raback L, et al. (2011) Ассоциации личностных профилей с различными аспектами благополучия: популяционное исследование. J Affect Disord 133: 265–273.
9. 9. Кампман О., Поутанен О. (2011) Можно ли предсказать начало и выздоровление депрессии по темпераменту? Систематический обзор и метаанализ. J Влияет на Disord 135: 20–27.
10. 10. Quirk SW, Christiansen ND, Wagner SH, McNulty JL (2003) О полезности показателей нормальной личности для клинической оценки: свидетельство возрастающей достоверности Пересмотренного инвентаря личности NEO.Psychol Assess 15: 311–325.
11. 11. Morrongiello BA, Sandomierski M, Valla J (2010) Раннее выявление детей с риском непреднамеренной травмы: шкала поиска ощущений для детей 2–5 лет. Accid Anal Prev 42: 1332–1337.
12. 12. Grossardt BR, Bower JH, Geda YE, Colligan RC, Rocca WA (2009) Пессимистические, тревожные и депрессивные черты личности предсказывают смертность от всех причин: когортное исследование личности и старения в клинике Мэйо. Psychosom Med 71: 491–500.
13. 13. Дигман Дж. М. (1989) Пять надежных параметров черт: развитие, стабильность и полезность. J Pers 57: 195–214.
14. 14. Гольдберг Л. Р. (1990) Альтернативное «описание личности»: факторная структура большой пятерки. J Pers Soc Psychol 59: 1216–1229.
15. 15. Коста П.Т. младший, МакКрэй Р.Р. (1997) Стабильность и изменение в оценке личности: пересмотренный опросник личности NEO в 2000 году. J Pers Assess 68: 86–94.
16. 16. McCrae RR, Costa PT Jr (1997) Структура черт личности как универсальное человеческое.Am Psychol 52: 509–516.
17. 17. Маркон К.Е., Крюгер Р.Ф., Уотсон Д. (2005) Определение структуры нормальной и ненормальной личности: интегративный иерархический подход. J Pers Soc Psychol 88: 139–157.
18. 18. Коста П. Т. младший, МакКрэй Р. Р. (1995) Домены и аспекты: иерархическая оценка личности с использованием пересмотренного перечня личностей NEO. J Pers Assess 64: 21–50.
19. 19. Ньюман М.Э. (2006) Модульность и структура сообщества в сетях.Proc Natl Acad Sci U S A 103: 8577–8582.
20. 20. Шен Х.В., Ченг XQ, Фанг Б.Х. (2010) Ковариация, корреляционная матрица и многомасштабная структура сообществ сетей. Phys Rev E Stat Nonlin Soft Matter Phys 82: 016114.
21. 21. Ньюман М., Барабаши А.Л., Уоттс Д.Д. (2006) Структура и динамика сетей Принстон, Нью-Джерси: Princeton University Press.
22. 22. Смит М., Милич-Фрайлинг Н., Шнейдерман Б., Мендес Родригес Э., Лесковец Дж. И др.. (2010) NodeXL: бесплатная и открытая надстройка для обзора, обнаружения и исследования сети для Excel 2007/2010. Веб-сайт NodeXL. Доступно: http://nodexl.codeplex.com/. Дата обращения 25.11.2012. Источник: веб-сайт Фонда исследований социальных сетей. Доступно: http://www.smrfoundation.org. Дата обращения 25.11.2012.
23. 23. Вакита К., Цуруми Т. (2007) Поиск структуры сообщества в мегамасштабной социальной сети. Материалы международной конференции IADIS по WWW / Internet 153–162.
24. 24.Clauset A, Newman ME, Moore C (2004) Поиск структуры сообщества в очень больших сетях. Phys Rev E Stat Nonlin Soft Matter Phys 70: 066111.
25. 25. Хамфрис, доктор медицины, Гурни К. (2008) Сеть «маленького мира»: количественный метод определения эквивалентности канонической сети. PLoS One 3: e0002051.
26. 26. Langfelder P, Horvath S (2008) WGCNA: пакет R для взвешенного корреляционного сетевого анализа. BMC Bioinformatics 9: 559.
27. 27.Saucier G, Goldberg LR (1998) Что находится за пределами большой пятерки? J Pers 66: 495–524.
28. 28. Эштон М.С., Ли К. (2005) Честность-скромность, большая пятерка и пятифакторная модель. J Pers 73: 1321–1353.
29. 29. Эштон М.С., Ли К. (2007) Эмпирические, теоретические и практические преимущества модели структуры личности HEXACO. Pers Soc Psychol Rev 11: 150–166.
30. 30. Cloninger CR, Svrakic NM, Svrakic DM (1997) Роль самоорганизации личности в развитии психического порядка и расстройства.Дев Психопатол 9: 881–906.
31. 31. McCrae RR, Martin TA, Costa PT Jr (2005) Возрастные тенденции и возрастные нормы для NEO Personality Inventory-3 у подростков и взрослых. Оценка 12: 363–373.
32. 32. Робертс Б.В., ДелВеккио В.Ф. (2000) Последовательность черт личности в ранговом порядке от детства до старости: количественный обзор лонгитюдных исследований. Psychol Bull 126: 3–25.
33. 33. Lonnqvist JE, Verkasalo M, Wichardt PC, Walkowitz G (2012) Категории расстройств личности как комбинации измерений: перевод кооперативного поведения при пограничном расстройстве личности в пятифакторную структуру.J Pers Disord 26: 298–304.
34. 34. Svrakic DM, Whitehead C, Przybeck TR, Cloninger CR (1993) Дифференциальная диагностика расстройств личности с помощью семифакторной модели темперамента и характера. Arch Gen Psychiatry 50: 991–999.
35. 35. Bagby RM, Marshall MB, Georgiades S (2005) Размерные черты личности и прогнозирование симптомов расстройства личности по DSM-IV учитываются в доклинической выборке. J Pers Disord 19: 53–67.
36. 36. Lynam DR (2012) Оценка неадаптивных вариантов черт пятифакторной модели.Дж. Перс
37. 37. Lis E, Greenfield B, Henry M, Guile JM, Dougherty G (2007) Нейровизуализация и генетика пограничного расстройства личности: обзор. J. Psychiatry Neurosci 32: 162–173.
38. 38. Вебер С., Хабель У., Амунц К., Шнайдер Ф. (2008) Структурные аномалии мозга у психопатов — обзор. Закон о поведении науки 26: 7–28.
39. 39. Альберт Р., Джеонг Х., Барабаси А.Л. (2000) Устойчивость к ошибкам и атакам сложных сетей. Nature 406: 378–382.
40. 40.Opsahl T, Colizza V, Panzarasa P, Ramasco JJ (2008) Известность и контроль: взвешенный эффект богатой дубинки. Phys Rev Lett 101: 168702.
41. 41. van den Heuvel MP, Kahn RS, Goni J, Sporns O (2012) Дорогая магистраль с высокой пропускной способностью для глобальной мозговой коммуникации. Proc Natl Acad Sci U S A
42. 42. Rusting CL, Larsen RJ (1997) Экстраверсия, невротизм и восприимчивость к положительным и отрицательным аффектам: проверка двух теоретических моделей. Личность и индивидуальные различия 22: 607–612.
43. 43. Ван Л., Ши З, Ли Х (2009) Невротизм, экстраверсия, регулирование эмоций, отрицательный и положительный аффекты: посреднические роли переоценки и подавления. Социальное поведение и личность: международный журнал 37: 193–194.
44. 44. Серрано М.А., Богуна М., Веспиньяни А. (2009) Извлечение многомасштабной основы сложных взвешенных сетей. Proc Natl Acad Sci U S A 106: 6483–6488.
45. 45. Watts DJ, Strogatz SH (1998) Коллективная динамика сетей «маленького мира».Природа 393: 440–442.
46. 46. Барабаши А.Л. (2009) Безмасштабные сети: десятилетие и дальше. Science 325: 412–413.
47. 47. van den Heuvel MP, Stam CJ, Boersma M, Hulshoff Pol HE (2008) Небольшой мир и безмасштабная организация функциональной связи состояния покоя на основе вокселей в человеческом мозге. Нейроизображение 43: 528–539.

Исследование различий между структурой темперамента и структурой личности на JSTOR

Abstract В данной статье анализируются различия между моделью темперамента, ориентированной на деятельность, и моделью личности Большой пятерки с использованием Компактного опросника структуры темперамента (STQ-77).STQ-77 имеет 3 шкалы эмоциональности и 9 шкал, оценивающих 3 динамических аспекта (возбуждение, лабильность и сенсорная чувствительность) в 3 областях активности (физической, вербально-социальной и умственной). Результаты проведения российских STQ-77, NEO-FFI и SSS-V среди 174 российских участников показали, как компоненты темперамента могут отражать черты, описанные в модели Большой пятерки. Подтверждающий факторный анализ английского STQ-77 и результаты исследования, включающего длительную задачу классификации слов с 221 канадским участником, показали преимущества подхода, ориентированного на конкретную деятельность, с разделением черт темперамента на три области деятельности.Такая специфика черт темперамента отличает их от черт личности.

Американский журнал психологии (AJP) был основан в 1887 году Дж. Стэнли Холлом и в первые годы редактировался Титченером, Борингом и Далленбахом. Журнал опубликовал одни из самых новаторских и формирующих статей в области психологии за всю свою историю. AJP исследует науку о разуме и поведении, публикуя отчеты об оригинальных исследованиях в области экспериментальной психологии, теоретические презентации, комбинированный теоретический и экспериментальный анализ, исторические комментарии и подробные обзоры значимых книг.

Основанная в 1918 году, University of Illinois Press (www.press.uillinois.edu) считается одной из самых крупных и выдающихся университетских издательств страны. Press публикует более 120 новых книг и 30 научных журналов каждый год по множеству предметов, включая историю Америки, историю труда, историю спорта, фольклор, еду, фильмы, американскую музыку, американскую религию, афроамериканские исследования, женские исследования и Авраама. Линкольн.The Press является одним из основателей Ассоциации прессов американских университетов, а также History Cooperative, онлайновой коллекции из более чем 20 журналов по истории.

Этот предмет является частью коллекции JSTOR.
Условия использования см. В наших Положениях и условиях
Авторское право 2010 г. Попечительским советом Иллинойского университета.
Запросить разрешения

профилей личности связаны с функциональными сетями мозга, связанными с познанием и эмоциями

10.7: Пол Коста и Роберт МакКрэй и Пятифакторная модель личности

Коста и МакКрэй признали важную роль, которую сыграл Айзенк, когда он определил экстраверсию и невротизм как факторы личности второго порядка, а также для разработки Личностной инвентаризации Модсли. , Опросник личности Айзенка и Опросник личности Айзенка (последний тест, разработанный вместе с его женой Сибиллой, был первым, который включил психотизм; см. S.Eysenck, 1997) как инструменты для измерения этих факторов. Однако они не соглашались с Айзенком относительно психотизма. Первоначально они предложили другой коэффициент, названный открытостью . Когда они обсуждали этот вопрос с Айзенком, он чувствовал, что открытость может быть противоположным полюсом психотизма, но Маккрэй и Коста считали, что факторы существенно различаются (см. Costa & McCrae, 1986). С тех пор Коста и МакКрэй вышли за рамки третьего фактора открытости и добавили еще два фактора второго порядка: доброжелательность, и добросовестность, (см. Costa & McCrae, 1989; Costa & Widiger, 1994; McCrae & Allik, 2002; МакКрэй и Коста, 2003).Вместе Коста и МакКрэй разработали NEO Personality Inventory (или NEO-PI) для измерения невротизма, экстраверсии и открытости, а позже они разработали Revised NEO-PI , или NEO-PI-R, который также измеряет приятность. и добросовестность (см. McCrae & Costa, 2003).

Общие описания экстраверсии, невротизма, открытости, уступчивости и сознательности перечислены в таблице 13.2. Важно отметить, что эти пять факторов различны, и ни низкие, ни высокие оценки не обязательно являются лучшими, «хорошими» или «плохими»: «

… все черты прошли эволюционный тест на выживание, и с точки зрения общества все нужны разные люди: те, кто хорошо работает с другими, и те, кто может справиться с задачей самостоятельно; тех, кто придумывает новые творческие способы решения задач, и тех, кто поддерживает лучшие решения прошлого.Вероятно, есть даже преимущества в том, чтобы основывать [sic] в невротизме, поскольку общество чрезвычайно спокойных людей может не конкурировать с другими обществами подозрительных и враждебных людей. Культурам нужны члены, пригодные как для войны, так и для мира, работы и игр… (стр. 51-52; McCrae & Costa, 2003)

Пятифакторная модель в качестве основы для изучения личности оказалась достаточно всеобъемлющей. Эти пять факторов хорошо себя зарекомендовали, если их измерить с помощью множества других тестов и других теоретических подходов, включая тщательное сравнение со списком человеческих потребностей, предложенным Генри Мюрреем.Пятифакторная модель, имеющая особенно важное значение в сегодняшней психологии, также очень хорошо зарекомендовала себя при рассмотрении в разных культурах — эту тему мы рассмотрим более подробно в статье «Связи между культурами».

Связи между культурами: большая пятерка культур

Роберт МакКрэ предположил, что для того, чтобы оценить межкультурное применение пятифакторной модели, нам необходимо решить эту проблему тремя способами. Транскультурный анализ ищет личностные факторы, выходящие за рамки культуры.Другими словами, личностные факторы являются универсальными или общими для всех людей. Внутрикультурный анализ рассматривает конкретное проявление черт в культуре. И, наконец, межкультурных анализов сравнивают характеристики признаков между культурами (см. Allik & McCrae, 2002). В 2002 году МакКрэй и Аллик опубликовали Пятифакторная модель личности в разных культурах , сборник исследований, в которых различные исследователи изучали применимость пятифакторной модели (ПФМ) в самых разных культурах.Различные исследования, содержащиеся в этой книге, исследуют структуру личности, а также обоснованность и обобщаемость использования NEO-PI-R для измерения личности в примерно сорока культурах, разбросанных на пяти континентах. Маккрэй и Аллик признают, что личность — это гораздо больше, чем просто черты характера, но черты, выявленные в FFM, по-видимому, предлагают прочную межкультурную основу для понимания личности во всем мире.

Потенциальная ценность перевода NEO-PI-R и изучения FFM в различных культурах основана на идее, что наиболее важные факторы человеческого взаимодействия будут закодированы в языках большинства, если не всех культур (см. Pervin, 1999).Учитывая озабоченность по поводу этой лексической гипотезы и проблем перевода, Пибоди (1999) использовал описания черт с контрастирующими терминами, чтобы помочь прояснить вопросы в исследовании суждений о национальном характере. У него были судьи из 12 разных европейских стран, плюс Америка, Филиппины, Япония и Китай оценивали друг друга. Изучив данные с точки зрения FFM, Пибоди обнаружила сильную поддержку полезности этой модели в кросс-культурных исследованиях. Другие исследователи добились значительных успехов в использовании NEO-PI-R в прямом переводе.Роллан (2002) собрал данные из исследований, в которых NEO-PI-R вводили людям в культурах, говорящих на 16 различных языках (включая китайско-тибетский, индоевропейский, уральский, хамито-семитский и австронезийский языки, а также один неклассифицированный язык. [Корейский язык]). В целом, он подтвердил обобщаемость структуры личности, идентифицированной FFM в этих разнообразных культурах. Аналогичные благоприятные результаты, касающиеся структуры личности, были выявлены как у взрослых, так и у подростков в чешских, польских и словацких группах (Hrebickova, et al., 2002) и среди шона в Зимбабве (Piedmont, et al., 2002), а также для отношения между личностью и эмоциями среди канадских, испанских, китайских, японских и корейских субъектов (Yik, et al., 2002) и взаимосвязь между личностью и культурными целями у американцев и вьетнамцев (Leininger, 2002). Эти исследования, а также многие другие, которые не упоминаются, обеспечивают существенную поддержку согласованности FFM в самых разных культурах, по крайней мере, в том, что касается структуры личности.Однако остается неясным, эквивалентны ли оценки, полученные от двух разных культурных групп (см. Poortinga, Van de Vijver, & Van Hemert, 2002). Другими словами, если культура A имеет более высокий балл, чем культура B, скажем, по приемлемости, возможно, что перевод, используемый для культуры A, более ответственен за результат, чем фактическое различие между культурами A и B. для решения таких проблем.

Несмотря на многочисленные исследования, подтверждающие межкультурное применение FFM, есть психологи, которые в целом одобряют FFM, но тем не менее подчеркивают осторожность.Фундаментальный вопрос заключается в том, соответствуют ли описания черт тому, как люди в других культурах описывают другого человека. Хотя это правда, что использование абстрактных имен черт является обычной практикой в ​​американской культуре, в других культурах, таких как Индия и Китай, более распространено описание людей в терминах зависимых от контекста действий. Чтобы уместить такие данные в FFM, требуются некоторые манипуляции, которые оставляют достоверность работы открытой для некоторых дискуссий (см. Pervin, 1999). Однако при сравнении китайских и американских студентов FFM действительно обеспечивает адекватную оценку стереотипов каждой группы относительно друг друга (Zhang, et al., 1999). Ясно то, что необходимо продолжать исследования межкультурных перспектив, а также необходимость в программах межкультурного обучения. В связи с этим Брислин (1999) предложил способы использования FFM в качестве основы для разработки таких программ, частично рассказывая нам что-то о каждом человеке в программе межкультурного обучения и, следовательно, о том, какой тип программы может сработать для них лучше всего (см. также McCauley, Draguns, & Lee, 1999). Независимо от того, предпочитаете ли вы FFM или какую-либо другую модель структуры личности, важность кросс-культурных исследований очевидна:

Человеческая природа не может быть независимой от культуры.И человеческая личность тоже. Люди действительно разделяют определенные социальные нормы или правила в рамках своих культурных групп. Более 2000 лет назад Аристотель считал, что человек по своей природе социальное животное. Точно так же Сюнь Куанг (298-238 до н.э.), китайский философ, указал, что люди в социальных группах не могут функционировать без общих указаний или правил. Следовательно, каждая культура или культурная группа устанавливает свои собственные нормы. Постоянно эти нормы и правила связаны с поведением и личностью членов внутри культуры и общества.(стр. VII; Lee, McCauley, & Draguns, 1999)

Предлагая пятифакторную теорию личности, Маккрэй и Коста обратились к природе самих личностных теорий:

Теория личности — это способ объяснения того, что люди собой представляют и как они действуют; хорошая теория объясняет широкий спектр наблюдений и указывает исследователям правильное направление для будущих исследований. Теория Фрейда указала исследователям на изучение сновидений, но десятилетия исследований дали очень мало подтверждающих доказательств … Теория черт указала исследователям на общие стили мышления, чувств и действий и привела к тысячам интересных и полезных открытий.Вот почему большинство психологов сегодня предпочитают теорию черт психоанализу … Но … человеческая личность — это нечто большее, чем черты. (стр 184-185; McCrae & Costa, 2003)

Они предполагают, что существует три основных компонента личности: базовых тенденций, (которые являются пятью личностными факторами), характерных адаптаций, и Я-концепция (высоко адаптированная и широко изученная форма характеристической адаптации). Основные тенденции взаимодействуют с тремя периферийными компонентами, которые определяют взаимодействие с системами вне личности.Есть биологические входы в основные тенденции, внешнюю среду и объективную биографию (все, что человек делает и переживает). Все эти компоненты объединяют динамических процессов , таких как восприятие, совладание, ролевые игры, рассуждения и т.д. для общей последовательности черт, но при этом возможность и время от времени наблюдение изменений личности? Проще говоря, основные тенденции согласованы, тогда как характерные адаптации могут изменяться как в результате драматических воздействий окружающей среды, так и из-за изменений, связанных со старением (McCrae & Costa, 2003).

Антисоциальное расстройство личности — NHS

Расстройства личности — это состояния психического здоровья, которые влияют на то, как кто-то думает, воспринимает, чувствует или относится к другим.

Антисоциальное расстройство личности — это особенно сложный тип расстройства личности, характеризующийся импульсивным, безответственным и часто преступным поведением.

Люди с антисоциальным расстройством личности, как правило, склонны к манипуляциям, лживы и безрассудны и не заботятся о чувствах других людей.

Подобно другим типам расстройства личности, антисоциальное расстройство личности находится в спектре, что означает, что оно может варьироваться по степени тяжести от случайного плохого поведения до неоднократного нарушения закона и совершения серьезных преступлений.

Считается, что психопаты страдают тяжелой формой антисоциального расстройства личности.

Посетите веб-сайт Mind для получения дополнительной информации о признаках антисоциального расстройства личности.

Признаки антисоциального расстройства личности

Лицо с антисоциальным расстройством личности может:

• эксплуатировать, манипулировать или нарушать права других людей
• не беспокоиться, сожалеть или сожалеть о страданиях других людей
• вести себя безответственно и проявлять пренебрежение к нормальным социальным условиям поведение
• испытывают трудности с поддержанием долгосрочных отношений
• не могут контролировать свой гнев
• не испытывают чувства вины или не учатся на своих ошибках
• обвиняют других в проблемах в своей жизни
• неоднократно нарушают закон

Человек с антисоциальное расстройство личности будет иметь в анамнезе расстройство поведения в детстве, такое как прогулы (непосещение школы), правонарушения (например, совершение преступлений или злоупотребление психоактивными веществами) и другие деструктивные и агрессивные формы поведения.

У кого развивается антисоциальное расстройство личности?

Антисоциальное расстройство личности чаще встречается у мужчин, чем у женщин.

Неизвестно, почему у некоторых людей развивается антисоциальное расстройство личности, но считается, что роль играют как генетика, так и травматический опыт детства, такой как жестокое обращение с детьми или пренебрежение ими.

Человек с антисоциальным расстройством личности часто рос в сложных семейных обстоятельствах.

Один или оба родителя могут злоупотреблять алкоголем, и конфликты между родителями и грубое непоследовательное воспитание являются обычным явлением.

В результате этих проблем социальные службы могут привлекаться к уходу за ребенком.

Подобные трудности в детстве часто приводят к поведенческим проблемам в подростковом и взрослом возрасте.

Последствия антисоциального расстройства личности

Преступное поведение — ключевая особенность антисоциального расстройства личности, и существует высокий риск того, что кто-то с этим расстройством совершит преступления и попадет в тюрьму в какой-то момент своей жизни.

Было обнаружено, что мужчины с антисоциальным расстройством личности в 3-5 раз чаще злоупотребляют алкоголем и наркотиками, чем люди без этого расстройства, и имеют повышенный риск преждевременной смерти в результате безрассудного поведения или попытки самоубийства.

Люди с антисоциальным расстройством личности также с большей вероятностью будут иметь проблемы во взаимоотношениях во взрослом возрасте и будут безработными и бездомными.

Диагностика антисоциального расстройства личности

Чтобы получить диагноз антисоциального расстройства личности, человек обычно имеет в анамнезе расстройство поведения в возрасте до 15 лет.

Антисоциальное расстройство личности диагностируется после тщательного психологического обследования.

Диагноз может быть поставлен только в том случае, если этому человеку исполнилось 18 лет и к нему применимы как минимум 3 из следующих критериев:

• неоднократное нарушение закона
• неоднократное обманывание
• импульсивное поведение или неспособность заранее планировать
• быть раздражительным и агрессивным
• безрассудным пренебрежением к своей безопасности или безопасности других
• неизменно безответственным
• отсутствием раскаяния

Эти признаки не должны быть частью шизофренического или маниакального эпизода — они должны быть частью повседневная личность человека.

Такое поведение обычно становится наиболее экстремальным и вызывающим в подростковом возрасте и в начале 20-летнего возраста. Он может улучшиться к тому времени, когда человеку исполнится 40 лет.

Лечение антисоциального расстройства личности

В прошлом антисоциальное расстройство личности считалось пожизненным расстройством, но это не всегда так, и иногда его можно контролировать и лечить.

Данные свидетельствуют о том, что со временем поведение может улучшиться с помощью терапии, даже если основные характеристики, такие как отсутствие сочувствия, сохранятся.

Но антисоциальное расстройство личности — один из наиболее сложных для лечения типов расстройств личности.

Человек с антисоциальным расстройством личности также может неохотно обращаться за лечением и может начать терапию только по решению суда.

Рекомендуемое лечение для людей с антисоциальным расстройством личности будет зависеть от их обстоятельств, с учетом таких факторов, как возраст, история правонарушений и наличие каких-либо связанных с этим проблем, таких как злоупотребление алкоголем или наркотиками.

Семья и друзья человека часто играют активную роль в принятии решений о лечении и уходе.

В некоторых случаях может потребоваться участие служб по злоупотреблению психоактивными веществами и социальной помощи.

Национальный институт здравоохранения и повышения квалификации (NICE) опубликовал рекомендации по ведению и профилактике антисоциального расстройства личности.

Говорящие методы лечения

Когнитивно-поведенческая терапия (КПТ) иногда используется для лечения антисоциального расстройства личности.

Это разговорная терапия, цель которой — помочь человеку справиться со своими проблемами, изменив образ мышления и поведения.

Терапия, основанная на ментализации (MBT) — это еще один тип разговорной терапии, который становится все более популярным в лечении антисоциального расстройства личности.

Терапевт побуждает человека задуматься о том, как он думает и как его психическое состояние влияет на его поведение.

Демократические терапевтические сообщества (DTC)

Данные свидетельствуют о том, что программы на уровне сообществ могут быть эффективным долгосрочным методом лечения людей с антисоциальным расстройством личности и становятся все более популярными в тюрьмах.

DTC — это тип социальной терапии, направленный на снижение риска совершения правонарушения человеком, а также на его эмоциональные и психологические потребности.

Он основан на больших и малых терапевтических группах и фокусируется на проблемах сообщества, создавая среду, в которой и персонал, и заключенные вносят свой вклад в решения сообщества.

Также могут быть возможности для получения образования и профессиональной работы.

Рекомендуемая продолжительность лечения — 18 месяцев, так как у человека должно быть достаточно времени, чтобы внести изменения и применить новые навыки на практике.

Самомотивация — еще один важный фактор для принятия этого типа схем. Например, человек должен быть готов работать как часть сообщества, участвовать в группах и быть объектом демократического процесса.

Министерство юстиции содержит дополнительную информацию о DTC в своем руководстве по работе с правонарушителями с расстройством личности.

Медицина

Доказательств в пользу использования лекарств для лечения антисоциального расстройства личности мало, хотя в некоторых случаях могут оказаться полезными некоторые антипсихотические и антидепрессанты.

Карбамазепин и литий могут помочь контролировать такие симптомы, как агрессия и импульсивное поведение, а класс антидепрессантов, называемых селективными ингибиторами обратного захвата серотонина (СИОЗС), может облегчить гнев и общие симптомы расстройства личности.

О расстройствах личности

Расстройства личности влияют на то, как кто-то думает, воспринимает, чувствует или относится к другим. Они варьируются от легких до тяжелых.

Признаки обычно появляются в подростковом возрасте и сохраняются в зрелом возрасте.Люди с расстройствами личности часто имеют другие проблемы с психическим здоровьем, особенно депрессию и злоупотребление психоактивными веществами.

Расстройства личности могут быть связаны с генетическими и семейными факторами, и переживания дистресса или страха в детстве, такие как пренебрежение или жестокое обращение, являются обычным явлением.

Хотя расстройства личности могут передаваться по наследству, считается, что психопатия имеет более высокий генетический компонент.