Using Cognitive Interviewing to Develop an Online Survey of Parent Perspectives on Data Sharing
Notice bibliographique
Résumé
Cognitive interviewing is a qualitative method to identify survey problems. This method can advance survey validity and reliability by incorporating participant perspectives during questionnaire development. Despite its utility, cognitive interviewing is rarely used in pediatric and perinatal epidemiology. This paper discusses the use and implications of cognitive interviewing in the development of an online survey of a complex, uncommon topic in the parenting population: parental perspectives on data sharing with secondary researchers via repositories. Participants were recruited randomly from two Alberta birth cohorts. Participation entailed a one-on-one interview, where participants completed a draft online questionnaire and answered probing questions. The cognitive interviews yielded three major insights for survey improvement. First, the interviewer witnessed varied participant experiences with the survey: some participants enjoyed the process, while others struggled to point of frustration. Reframing the language and adding polar questions aimed to promote comprehension. Second, the topic’s complexity revealed the utility of “educational” questions, which may not provide new information, but would allow participants to think through issues. Third, “educational” questions and sufficiency of background information must be tempered to avoid the survey length being overly-burdensome to participants. By increasing comprehension and lessening frustration, researchers increase the accuracy of data collected from parents on a complex, uncommon topic.
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 | 0,150 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».