MétaCan
Menu
Retour à la cohorte
Enregistrement W2341237175 · doi:10.1177/002204260003000102

Developing Computer Assisted Interviewing (CAI) for the National Household Survey on Drug Abuse

2000· article· en· W2341237175 sur OpenAlexaboutno aff
J Lessler, Rachel Caspar, Michael A. Penne, Peggy R. Barker

Notice bibliographique

RevueJournal of Drug Issues · 2000
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSurvey Methodology and Nonresponse
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterviewSubstance abuseQuarter (Canadian coin)Data collectionPsychologyScope (computer science)Medical educationMedicineComputer sciencePolitical sciencePsychiatrySociologyGeographySocial science

Résumé

récupéré en direct d'OpenAlex

The National Household Survey on Drug Abuse (NHSDA) is the nation's primary data source for information on the scope and dimensions of drug abuse in the United States. To improve data collection, the NHSDA was converted to a computer-assisted interview (CAI) format in 1999. This paper reports on the research that was done to guide the conversion. The main focus of the paper is on a large (n=1,982) field experiment that examined different audio computer-assisted self-interviewing (ACASI) procedures in the fourth quarter of 1997. This field experiment showed that ACASI is likely to increase reporting of drug use among youth; that respondents can, on their own, correct inconsistencies in responses that are detected by the computer; and that ACASI eases the response task for poor readers and less well educated respondents.

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)0,071
score de la tête « metaresearch » (Gemma)0,133
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: Méthodes
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,375

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0710,133
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,007
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,007

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 Opus0,448
Tête enseignante GPT0,478
Écart entre enseignants0,030 · 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

Citations55
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Drug IssuesMême sujetSurvey Methodology and NonresponseTravaux en français237 207