MétaCan
Menu
Retour à la cohorte
Enregistrement W2516573604 · doi:10.5539/ijsp.v5n5p55

Construct-focused Configural Invariance for Measures Showing a Multi-dimensional Structure and Application to Exchange Test Data

2016· article· en· W2516573604 sur OpenAlexvenueno aff
Karl Schweizer, Xuezhu Ren, Michael Schreiner

Notice bibliographique

RevueInternational Journal of Statistics and Probability · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConstruct (python library)Measurement invarianceMetric (unit)Variance (accounting)MathematicsTest (biology)PopulationComponent (thermodynamics)StatisticsEconometricsConfirmatory factor analysisComputer scienceStructural equation modeling

Résumé

récupéré en direct d'OpenAlex

The concept of construct-focused configural invariance is proposed for investigating the measurement invariance of measures that need to be represented by means of a multi-dimensional model with constrained discriminability. The major characteristic of this concept is the concentration of the investigation of invariance on the component representing the process or processes associated with the construct of interest. This concept enables the exclusion of other components accounting for irrelevant but systematic variance from an investigation. Three large sets of Exchange Test data that differed according to the applied version of the Exchange Test and the population from which the samples originated were investigated according to this concept. Two samples were university students and the third one internet users. It was possible to establish construct-focused configural invariance and corresponding metric invariance for Exchange Test.

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)0,015
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,070
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,004
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,089
Tête enseignante GPT0,327
Écart entre enseignants0,238 · 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.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics and ProbabilityMême sujetSensory Analysis and Statistical MethodsTravaux en français237 207