Development and Testing of a Low Vision Product Selection Instrument (LV-PSI): A Mixed-Methods Approach
Notice bibliographique
Résumé
In Canada, it is conservatively estimated that $46 million is lost per annum from low vision (LV) assistive technology device (ATD) abandonment alone. The proper matching of the person and the technology during the selection process has been theorized as necessary to mitigate inappropriate abandonment. In the current dissertation, a mixed-methods approach with qualitative and quantitative study components was used to develop and test a LV product selection instrument (LV-PSI) that may help with the matching process.\nThe key qualitative aspect of the study included two qualitative research sessions with LV participants (N=10). Each session was made up of two data collection modes of a modified nominal group technique and focus group discussions. Content analysis and a grounded theory approach resulted in the emergence of three major themes for LV product selection: (1) product attribute, (2) personal compatibility, and (3) meaning.\nResults from the qualitative research were used to generate items and content for the LV-PSI. A testing of the internal consistency (Cronbach’s coefficient alpha) and factor structure of the instrument (principle component analysis) occurred using instrument scores obtained from LV participants (N=152). A four component solution resulted in a 21-item LV-PSI. The four components were theorized as congruent with the factors of: Product (visual) attribute, meaning, independence, and personal compatibility. The alpha values were 0.77, 0.63, 0.63 and 0.59, respectively. Future research to further examine the LV-PSI’s content and construct validity, score interpretations, format and predictive value was proposed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,155 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».