Is it worth the weight? : revisiting weighted and unweighted scores with a quality of life measure
Notice bibliographique
Résumé
Subjective assessments of importance have been used as a weighting factor in measurement in a number of areas of research including quality of life, self esteem and job satisfaction. Despite the powerful intuitive appeal of this practice, conceptual and psychometric concerns with importance weighting have been raised, and research using weighted scores has produced mixed results. The advantages of importance weighting have therefore not been clearly established. The present study revisits importance weighting using data collected with the Injection Drug User Quality of Life Scale (IDUQOL). Weighted and unweighted IDUQOL scores from a subset of 241 participants from the Vancouver Injection Drug User Study (VIDUS) were correlated with measures of convergent and discriminant validity and a large number of criterion variables including drug use, stability of housing, involvement in drug treatment, and hospitalization. The contribution of importance ratings to scores on a global measure of life satisfaction was calculated using regression analysis. To determine whether importance ratings contributed significantly to the weighted IDUQOL total scores, analysis of variance was employed. Overall results of these analyses suggest that incorporating importance does not enhance the measurement of quality of life for this sample. However, the mean of satisfaction ratings for all important domains correlated significantly higher than the mean of satisfaction ratings for all unimportant domains with measures of convergent validity. It appears that the impact of importance depends at least in part on how it is measured and used. Further research may uncover methods for incorporating subjective importance that do increase the sensitivity of the IDUQOL and other quality of life measures.
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 | 0,054 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».