MétaCan
Menu
Retour à la cohorte
Enregistrement W2524972078 · doi:10.1111/ap.12206

Does Size Really Matter? Contributions to the Debate on Short Versus Long Neuropsychology Assessments

2016· article· en· W2524972078 sur OpenAlexaff
Michelle Helena White, Donna Spooner

Notice bibliographique

RevueAustralian Psychologist · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensRoyal Ottawa Mental Health Centre
Organismes subventionnairesnon disponible
Mots-clésNeuropsychologyPsychologySelection (genetic algorithm)Interpretation (philosophy)Variation (astronomy)Test (biology)Engineering ethicsApplied psychologyComputer scienceCognitionArtificial intelligenceEngineeringPsychiatry

Résumé

récupéré en direct d'OpenAlex

ObjectiveThere has been increasing interest in recent years in the variation in assessment practices within the neuropsychology profession. This article explores one of the central areas of variation by reviewing the issues surrounding brief versus more comprehensive assessments and some of the advantages and disadvantages of the two approaches.MethodsSome of the many factors influencing the length of assessments that neuropsychologists choose to conduct, and the way these are interpreted, are discussed. These factors include the principles of test selection, the potential of measurement error, the emphasis we place on our previous experience to guide selection and interpretation of tests, and our ethical and legal obligations. The potential utility of employing testing assistants to perform the routine parts of assessments is also explored.ResultsWhile there can be some disadvantages to conducting comprehensive assessments, many benefits of this approach are also identified.ConclusionsOverall, it is argued that neuropsychologists should abide by evidence‐based practices that stem from scientific theory as opposed to conducting less reliable assessments that may be largely driven by cost‐effectiveness.

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)0,195
score de la tête « metaresearch » (Gemma)0,386
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,993

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1950,386
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0030,033
Communication savante0,0080,020
Science ouverte0,0060,006
Intégrité de la recherche0,0100,016
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,060
Tête enseignante GPT0,457
Écart entre enseignants0,397 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreCommentaire

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

En bref

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian PsychologistMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207