Weighing in on the Body Knowledge Questionnaire
Notice bibliographique
Résumé
PURPOSE: The purpose of this research was to develop and pilot test the Body Knowledge Questionnaire (BKQ), an instrument that measures weight management integration, and to determine its reliability and validity. METHODS: The 27 items of the BKQ were developed through review of the literature on integration and weight management/obesity. The resulting BKQ was pilot tested with 4 groups of individuals with and without type 2 diabetes. Exploratory factor analysis was used to assess the construct validity of the BKQ, and discriminant function analysis and logistic regression were used to establish criterion-related validity. Scale reliability analysis was used to determine the internal consistency of the BKQ and its subscales. RESULTS: Exploratory factor analysis yielded a 2-factor solution, with factor loadings that were fair to excellent (.45-.81). Discriminant function analysis determined that the BKQ subscales could accurately predict the classification of participants into normal- and obese-weight groups. Results of the logistic regression showed that the BKQ could reliably distinguish between normal- and obese-weight participants. Internal consistency of the overall BKQ was .87, .89, and .73 for the subscales, Food Centricity and Psychosomatic Awareness. CONCLUSIONS: This research provided preliminary evidence of the validity (content, construct, and criterion) and reliability (internal consistency) of the BKQ. With additional psychometric testing, the BKQ instrument has great potential for use in weight management practice areas, such as diabetes education, dietetics, nursing, and psychology, for use in individual or group weight management programs and program evaluation; or in the development of novel weight management interventions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,007 |
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 tête enseignante, 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 ».