外向性关联抑郁症状更快缓解:人格如何影响康复速度
一项针对334名住院精神科患者(含抑郁症状)的研究发现,人格特质与康复速度相关:神经质较高者多种症状改善更慢,外向性较高者工作困难、犹豫和悲观等缓解更快;宜人性、开放性也与部分症状好转有关。研究提示,了解人格画像或有助于更早识别康复较慢者并安排更个性化支持,但尚不能证明因果关系。
在中文标题、摘要、正文中检索心理学资讯
一项针对334名住院精神科患者(含抑郁症状)的研究发现,人格特质与康复速度相关:神经质较高者多种症状改善更慢,外向性较高者工作困难、犹豫和悲观等缓解更快;宜人性、开放性也与部分症状好转有关。研究提示,了解人格画像或有助于更早识别康复较慢者并安排更个性化支持,但尚不能证明因果关系。
两项追踪美国人20年以上的研究发现,随着美国更富裕、性别更平等,男女在人格、抑郁、学业与风险偏好上的心理差异并未扩大,部分反而缩小。这削弱了用进化“资源假说”解释性别平等悖论的观点,也提示跨国横断相关不能直接当作随时间变化的因果机制。
一项整合1949至2022年西点军校29,102名学员数据的元分析发现:标准化成绩和高中排名能预测学业表现,却难以预测军事领导力;尽责性是最强的非认知预测因素,与领导、学业和体能表现均相关。研究者建议招生在认知测量之外,更重视尽责性等人格评估,但需警惕自评问卷的社会赞许偏差。
一项发表于《心理学前沿》的研究提出,善意与慷慨有时也可能被部分女性当作竞争工具:报告这类策略的人,马基雅维利主义更高、宜人性更低。但平均得分低于中立值,说明并非普遍行为。研究提醒我们,亲社会行为与竞争并不总是对立,理解动机有助于看清家庭与职场关系。
一项新研究让136名评价者分阶段观看4位大学生的照片和视频,发现分享个人经历能提升他们对讲述者的喜欢程度和未来交往意愿,无论讲述者是否社交焦虑。而评价者自身的社交焦虑和归属需求,也会显著影响评分。这提示我们,真诚打开自己可能是建立连接的简单桥梁。
当人专注于一件事时,常会漏掉眼前明显出现的意外物体,这叫“无意视盲”。一项发表在《皇家学会开放科学》的大型研究显示,智力、工作记忆与人格特质都很难预测谁会注意到意外物体:注意到的人比例在39%到66%之间,认知能力的关联微弱且不稳定,人格几乎没有预测力。研究提示,能否“看见”更多取决于情境的要求与设计,而非稳定的个人特质。
一项覆盖百万人的研究识别出1260个与“大五”性格相关的基因位点,其中824个为新发现。这些基因信号跨人群、年龄和测量方式稳定,且兄弟姐妹分析显示主要反映直接遗传而非家庭环境。但基因合计仅解释约4.8%—9.3%的性格差异,不能预测个人,更不是宿命。
研究发现,认为念头不可控、危险的负面元认知信念,与五大人格特质存在部分关联,并在网络中影响力最高;其中与神经质关系最紧密。数据更符合“负面元认知信念先于神经质”的排序,但研究为横断面设计,不能证明因果。这提示家庭中帮助孩子建立对想法的灵活态度可能重要。
一项对62项元分析、超过100万参与者的再分析显示,情绪智力与人生繁盛有可靠正相关,涉及工作成就、心理调适等77种人生结果,且在不同年龄和地域中一致存在。然而,测量方式显著影响关联强度。这提醒我们,培养情绪能力对青少年适应学校与未来生活可能有积极意义,但评估时需结合多种方法,理性看待自我报告。
厄瓜多尔一项针对200名成人的研究发现,大五人格中的开放性和低宜人性显著预测性不忠欲望,但对实际不忠行为没有显著预测作用。真正预测出轨行为的是过去的不忠经历、年龄和性别。这提示我们,出轨念头与出轨行为之间存在“意图-行为差距”,理解这一点有助于伴侣理性看待情感波动,而不是轻易给人贴上“花心”标签。
日本一项为期五年、覆盖逾1.4万名成年人的追踪研究发现,饮酒频率长期稳定,并与大五人格特质密切相关。外向性越高,饮酒越频繁;尽责性高的人更少饮酒;宜人性与开放性则与中等饮酒频率有关。该发现或有助于识别高风险人群,为精准健康干预提供线索。
德国一项双生子研究发现,富裕家庭孩子的流体智力、情绪稳定性和外向性略高,但差距不大。更关键的是,无论家庭贫富,父母投入同等时间和积极养育,孩子获得的发展收益完全相同,对弱势家庭孩子收益更大。这表明后天养育质量能有效弥补经济条件带来的差距,为家庭教育提供了积极启示。
一项对48项研究的系统性综述发现,使用经典迷幻药(如裸盖菇素、LSD、死藤水)与人格特质的长期改变相关:开放性增加、神经质下降。该效应在观察性研究和部分临床试验中一致出现,但因果推断仍受限于研究设计差异和样本异质性。
一项综合认知能力、人格特质、情绪智力等九类心理指标的分析发现,人类整体心理功能在55至60岁达到巅峰。尽管流体智力在青年期后逐渐衰退,但晶体智力、情绪智力、金融素养、道德推理以及尽责性、情绪稳定性等人格特质在中年后期持续增长,共同构成决策优势的基础,挑战了“心理能力随年龄直线下降”的传统观点。
一项新研究发现,明确编程让大语言模型“宜人性”变高,会显著提升其合作性。但较老模型容易在合作中被“占便宜”,而新模型则更懂得“看人下菜碟”。