MétaCan
Menu
Retour à la cohorte
Enregistrement W2139621222 · doi:10.1177/0165025409351386

Differences in causal estimates from longitudinal analyses of residualized versus simple gain scores: Contrasting controls for selection and regression artifacts

2010· article· en· W2139621222 sur OpenAlexaboutno aff
Robert E. Larzelere, Emilio Ferrer, Brett R. Kuhn, Ketevan Danelia

Notice bibliographique

RevueInternational Journal of Behavioral Development · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyLongitudinal studyDevelopmental psychologyPunishment (psychology)ReplicateSelection (genetic algorithm)Regression analysisRegressionContrast (vision)Causal modelStatistics

Résumé

récupéré en direct d'OpenAlex

This study estimates the causal effects of six corrective actions for children's problem behaviors, comparing four types of longitudinal analyses that correct for pre-existing differences in a cohort of 1,464 4- and 5-year-olds from Canadian National Longitudinal Survey of Children and Youth (NLSCY) data. Analyses of residualized gain scores found apparently detrimental effects of all corrective actions by parents and professionals on subsequent antisocial behavior and hyperactivity. In contrast, analyses of simple gain scores found only apparently beneficial effects. Temporally reversed analyses yielded the same pattern of results, consistent with selection biases and regression artifacts, not with unidirectional causal effects. The findings were similar for corrective actions by professionals (e.g., Ritalin, psychotherapy) and by parents (physical and nonphysical punishment, scolding/yelling, “hostile-ineffective” parenting). Longitudinal analyses should check for similar artifacts by implementing temporally-reversed analyses and by determining whether causally relevant coefficients would replicate without artifacts biased in their favor.

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)0,147
score de la tête « metaresearch » (Gemma)0,395
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil0,777

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1470,395
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,130
Tête enseignante GPT0,446
Écart entre enseignants0,316 · 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'étudeSimulation ou modélisation
DomaineMéthodes
GenreMéthodes

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

En bref

Citations25
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Behavioral DevelopmentMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207