MétaCan
Menu
Retour à la cohorte
Enregistrement W2036149274 · doi:10.4324/9781315757421

Structural equation modeling with AMOS: basic concepts, applications, and programming

2000· book· en· W2036149274 sur OpenAlexaff
Barbara M. Byrne

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineComputer Science
ThématiqueAdvanced Statistical Modeling Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingFactorialConstruct validityConfirmatory factor analysisConstruct (python library)Latent variableMeasurement invarianceFactorial experimentVariance (accounting)Causal modelMathematicsStatisticsEconometricsPsychologyComputer sciencePsychometricsProgramming language

Résumé

récupéré en direct d'OpenAlex

Contents: Part I: Introduction. Structural Equation Models: The Basics. Using the EQS Program. Part II: Single-Group Analyses. Application 1: Testing for the Factorial Validity of a Theoretical Construct (First-Order CFA Model). Application 2: Testing for the Factorial Validity of Scores From a Measuring Instrument (First-Order CFA Model). Application 3: Testing for the Factorial Validity of Scores from a Measuring Instrument (Second-Order CFA Model). Application 4: Testing for the Validity of a Causal Structure. Part III: Multiple-Group Analyses. Application 5: Testing for the Factorial Invariance of a Measuring Instrument. Application 6: Testing for the Invariance of a Causal Structure. Application 7: Testing for Latent Mean Differences (First-Order CFA Model). Application 8: Testing for Latent Mean Differences (Second-Order CFA Model). Part IV: Other Important Topics. Application 9: Testing for Construct Validity: The Multitrait-Multimethod Model. Application 10: Testing for Change Over Time: The Latent Growth Curve Model. Application 11: Testing for Within- and Between-Level Variance: The Multilevel Model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,231

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,036
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0690,023

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,294
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18 098
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Statistical Modeling TechniquesTravaux en français237 207