Sources of Validity Evidence Needed With Self-Report Measures of Physical Activity
Notice bibliographique
Résumé
BACKGROUND: Over the years, self-report measures of physical activity (PA) have been employed in applications for which their use was not supported by the validity evidence. METHODS: To address this concern this paper 1) provided an overview of the sources of validity evidence that can be assessed with self-report measures of PA, 2) discussed the validity evidence needed to support the use of self-report in certain applications, and 3) conducted a case review of the 7-day PA Recall (7-d PAR). RESULTS: This paper discussed 5 sources of validity evidence, those based on: test content; response processes; behavioral stability; relations with other variables; and sensitivity to change. The evidence needed to use self-report measures of PA in epidemiological, surveillance, and intervention studies was presented. These concepts were applied to a case review of the 7-d PAR. The review highlighted the utility of the 7-d PAR to produce valid rankings. Initial support, albeit weaker, for using the 7-d PAR to detect relative change in PA behavior was found. CONCLUSION: Overall, self-report measures can validly rank PA behavior but they cannot adequately quantify PA. There is a need to improve the accuracy of self-report measures of PA to provide unbiased estimates of PA.
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 | 0,473 | 0,840 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,009 |
| Bibliométrie | 0,029 | 0,017 |
| Études des sciences et des technologies | 0,003 | 0,011 |
| Communication savante | 0,022 | 0,019 |
| Science ouverte | 0,009 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».