DEVELOPMENT OF THE WAIS-III GENERAL ABILITY INDEX ESTIMATE (GAI-E)
Notice bibliographique
Résumé
The WAIS-III General Ability Index (GAI; Tulsky, Saklofske, Wilkins, & Weiss, 2001) is a recently developed, 6-subtest measure of global intellectual functioning. However, clinical use of the GAI is currently limited by the absence of a method to estimate premorbid functioning as measured by this index. The purpose of this study was to develop regression equations to estimate GAI scores from demographic variables and WAIS-III subtest performance. Participants consisted of those subjects in the WAIS-III standardization sample that has complete demographic data (N=2,401) and were randomly divided into two groups. The first group (n=1,200) was used to develop the formulas (i.e., Development group) and the second (n=1,201) group was used to validate the prediction algorithms (i.e., Validation group). Demographic variables included age, education, ethnicity, gender and region of country. Subtest variables included vocabulary, information, picture completion, and matrix reasoning raw scores. Ten regression algorithms were generated designed to estimate GAI. The GAI-Estimate (GAI-E) algorithms accounted for 58% to 82% of the variance. The standard error of estimate ranged from 6.44 to 9.57. The correlations between actual and estimated GAI ranged from r=.76 to r=.90. These algorithms provided accurate estimates of GAI in the WAIS-III standardization sample. Implications for estimating GAI in patients with known or suspected neurological dysfunction is discussed and future research is 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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».