A Typological and Probabilistic Approach for Exploring Cross-Cultural Differences
Notice bibliographique
Résumé
Discrete latent constructs are useful and versatile tools when applied to theories or hypotheses typically made in cultural psychology. The two-level latent class model (TL-LCM) is proposed as an analytical framework using discrete latent variables for underlying typological structure. The typological and probabilistic characteristics of the TL-LCM offer several advantages over the traditional dimensional and deterministic models commonly used in cross-cultural research. Specifically, the TL-LCM allows researchers to form alternative typological hypotheses about the latent constructs instead of being bound with dimensional assumptions of latent constructs. In addition, the TL-LCM provides a probabilistic approach to studying the latent structures simultaneously at two nested levels. The probabilistic characteristic of the TL-LCM also relaxes the strong and often unrealistic assumption that individuals within the same higher unit are homogeneous. Therefore, the TL-LCM not only offers researchers new potential perspectives in exploring differences between cultures, but it also facilitates the process of forming theories and hypotheses so that knowledge and understanding of cultural differences and similarities can be further advanced. Two examples demonstrated the usefulness and flexibility of applying the TL-LCM to analyze nested cross-cultural data. The examples showed that differences between countries can be thought of as arising from the fact that individuals within different countries have different probabilities of falling into one of multiple classes, rather than assuming that the individuals within each country are homogeneous.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; 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 ».