MétaCan
Menu
Retour à la cohorte
Enregistrement W2104372462 · doi:10.1080/10410230802056230

Stretched Rating Scales Cause Guided Responding

2008· article· en· W2104372462 sur OpenAlexafffund
Bärbel Knaüper, Christine Stich, Melanie Yugo, Chuck Tate

Notice bibliographique

RevueHealth Communication · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRisk Perception and Management
Établissements canadiensCanadian Institute for Health InformationMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésRating scaleScale (ratio)PsychologyPerceptionHealth careApplied psychologySocial psychologyDevelopmental psychologyGeography

Résumé

récupéré en direct d'OpenAlex

Decision making by policymakers, public health professionals, and health care providers is often guided by the extent to which individuals feel at risk for certain adverse health events. Such health risk perceptions can be assessed in surveys using different types of probability rating scales. It has recently been suggested that rating scales that offer decomposed numeric values at the lower end of the scale (stretched scales) improve the accuracy of estimates of small risks. However, the authors suggest that respondents use the differentiated small numeric values as cues to guide them to the correct response. Study 1 supports this proposition by showing that response distributions are substantially skewed toward the lower end of stretched rating scales and have restricted variances as compared with equal-interval scales. Study 2 provides experimental evidence that scores on the stretched scale are a result of guided responding. The results show that scores on stretched rating scales are not a valid reflection of respondents' risk perceptions, but, instead, guide responses to the end of the scale that has been stretched. The findings suggest that stretched rating scales result in biased risk estimates, which may hinder effective communication about health risks between decision- and policymakers as well as between individuals and their health care providers.

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)0,047
score de la tête « metaresearch » (Gemma)0,346
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,346
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,194
Tête enseignante GPT0,455
Écart entre enseignants0,262 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

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

En bref

Citations5
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth CommunicationMême sujetRisk Perception and ManagementTravaux en français237 207