Strengthening data quality in studies of migrants not fluent in host languages: A canadian example with reproductive health questionnaires
Notice bibliographique
Résumé
The need to collect health data from refugees and asylum seekers often requires that questionnaires be translated. Verifying the clarity, meaning, and acceptability of translated questionnaires with monolingual persons, individuals from the target population who primarily speak and understand only the test language, is one important step in the translation process. Reproductive health questionnaires were tested with persons monolingual in Hindi, Tamil, Urdu, Spanish, and French. Testing revealed problematic questions and how culture, education, and migration experience can affect perceptions of questions. Bilingual liaisons from the communities of interest facilitated recruitment of participants, but liaisons' vulnerable status and lack of familiarity with research posed challenges to the testing process. When conducting monolingual testing it is important to: carefully select liaisons (consider their gender, host-language fluency, knowledge of research processes, and comfort with the subject matter of the research); recruit monolingual persons with characteristics representative of the research population; ensure adequate researcher involvement in all aspects of the testing process to triangulate data collection from various sources.
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 | 0,641 | 0,610 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,016 |
| Études des sciences et des technologies | 0,028 | 0,028 |
| Communication savante | 0,015 | 0,014 |
| Science ouverte | 0,010 | 0,019 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 ».