Responses to Mental Health Stigma Questions: The Importance of Social Desirability and Data Collection Method
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the impact on the general public of England's Time to Change program to reduce mental health-related stigma and discrimination using newly developed measures of knowledge and intended behaviour regarding people with mental health problems, and an established attitudes scale, and to investigate whether social desirability affects responses to the new measures and test whether this varies according to data collection method. METHOD: The Mental Health Knowledge Schedule (MAKS) and Reported and Intended Behaviour Scale (RIBS) were administered together with the 13-item version of the Marlowe-Crowne Social Desirability Scale to 2 samples (each n = 196) drawn from the Time to Change mass media campaign target group; one group was interviewed face to face, while the other completed the measures as an online survey. RESULTS: After controlling for other covariates, interaction terms between collection method and social desirability were positive for each instrument. The social desirability score was associated with the RIBS score in the face-to-face group only (β = 0.35, 95% CI 0.14 to 0.57), but not with the MAKS score in either group; however, MAKS scores were more likely to be positive when data were collected face to face (β = 1.53, 95% CI 0.74 to 2.32). CONCLUSIONS: Behavioural intentions toward people with mental health problems may be better assessed using online self-complete methods than in-person interviews. The effect of face-to-face interviewing on knowledge requires further investigation.
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 | 0,200 | 0,353 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».