Outcome expectancy liking: A self-generated, self-coded measure predicts adolescent substance use trajectories.
Notice bibliographique
Résumé
This study tested the predictive validity of a novel, brief, and easy-to-use self-report measure of expectancies and their subjective values for alcohol and marijuana use. Canadian students in Grades 7 to 11 were administered paper-and-pencil questionnaires once per year for 3 consecutive years (Krank et al., 2011). As part of the questionnaire, participants completed an outcome expectancy measure where they were asked to list 3 or 4 things they expected would happen if they used a particular substance (i.e., alcohol, marijuana) and to indicate for each whether they would or would not like this outcome. "Liking" outcomes were coded as +1, "not like" as -1, and summed to obtain an outcome expectancy liking (OEL) sum for each participant and each substance. Participants also completed substance use behavior questions for alcohol and marijuana. Multilevel modeling demonstrated that OEL sum significantly predicted the intercept and slope of substance use trajectories by participants, even when demographic variables were controlled. For both alcohol and marijuana, multilevel modeling analyses indicated that a more positive OEL sum for a substance in the first year of the study were more likely to have tried that substance earlier (intercept) and were more likely to escalate their use at a greater rate over time (slope). The results complement the predictive validity found with other direct and indirect measures of substance use associations. The outcome expectancy liking task is a simple and unobtrusive method for identifying adolescents who are at risk for early substance abuse.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».