Using crowdsourcing to examine behavioral economic measures of alcohol value and proportionate alcohol reinforcement.
Notice bibliographique
Résumé
Online crowdsourcing websites such as Amazon's Mechanical Turk (MTurk) are increasingly being used in addictions research. However, there is a relative paucity of such research examining the validity of administering behavioral economic alcohol-related measures, via an online crowdsourcing platform. This study sought to validate an alcohol purchase task (APT) for assessing demand and a questionnaire measure of proportionate alcohol reinforcement, using an online sample of participants recruited via MTurk. Participants (N = 865, 59% female) were recruited via MTurk to complete the APT, proportionate alcohol reinforcement questionnaire, Alcohol Use Disorders Identification Test (AUDIT), and demographics. Responses on the APT were highly systematic (<3% nonsystematic data) and conformed to prototypical demand curves. Correlation analyses revealed significant associations among AUDIT total scores with a majority of the alcohol demand indices (r values .08-53, p values < .05) as well as proportionate alcohol reinforcement, r = .43, p < .001. Regression analyses controlling for relevant covariates indicated that intensity, BP, Omax, elasticity, and reinforcement ratio predicted significant variance in AUDIT scores. This study further supports the use of online crowdsourcing websites for investigating behavioral economic determinants of alcohol misuse. (PsycINFO Database Record
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».