MétaCan
Menu
Retour à la cohorte
Enregistrement W2337224824 · doi:10.1177/0163278715616440

How Should Alcohol Problems Be Conceptualized? Causal Indicators Within the Rutgers Alcohol Problem Index

2015· article· en· W2337224824 sur OpenAlexaff
Brooke J. Arterberry, Ting-Huei Chen, Álvaro Vergés, Kenneth A. Bollen, Matthew P. Martens

Notice bibliographique

RevueEvaluation & the Health Professions · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversité Laval
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute on Alcohol Abuse and Alcoholism
Mots-clésCausal modelStructural equation modelingLatent variableAlcoholPsychologyConstruct (python library)Index (typography)EconometricsSocial psychologyStatisticsMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

Alcohol-related problems have traditionally been conceptualized and measured by an effect indicator model. That is, it is generally assumed that observed indicators of alcohol problems are caused by a latent variable. However, there are reasons to think that this construct is more accurately conceptualized as including at least some causal indicators, in which observed indicators cause the latent variable. The present study examined the measurement model of a well-known alcohol consequences questionnaire, the Rutgers Alcohol Problem Index. Participants were 703 students from a large public university in the Northeast mandated to an alcohol intervention. We conducted a zero tetrad test to examine a measurement model consisting solely of effect indicators and a model with both causal and effect indicators. Overall, the results suggested the hybrid model fit the data better than a model with only effect indicators. These findings have implications regarding the theoretical underpinnings of alcohol-related consequences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,637
Score d'incertitude au seuil0,825

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,314
Tête enseignante GPT0,453
Écart entre enseignants0,139 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvaluation & the Health ProfessionsMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207