Random or Fixed? An Empirical Examination of Meta-Analysis Model Choices
Notice bibliographique
Résumé
When conducting meta-analyses, researchers must make decisions about which statistical model is most appropriate for the specific context and aims of the meta-analysis. Although there are several meta-analysis models, most researchers choose between two general models: fixed-effect (FE) and random-effects (RE). Yet, the basis on which these two general models are distinguished and of when it is appropriate to use one or the other varies in the methodological literature. Although model-to-inference inconsistencies have been previously noted, there has been little empirical investigation of whether, and to what extent, the varying conceptualizations of the distinctions between FE and RE models are reflected in published meta-analyses. The present study explores whether conceptualizations of model distinctions among psychological researchers are consistent with those in the methods literature. We also examine model choices and rationales given by psychological researchers in two samples of published meta-analyses in psychology-related journals. We identify four primary categories for distinguishing between FE and RE models, only two of which were predominant in our samples. Although model choice appears to be reported at a moderately high rate, many researchers continue not to provide explicit rationales for their model choices or do not clearly tie model choices to the specific research aims of the meta-analyses. Implications of these findings are discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,565 | 0,775 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,023 |
| Bibliométrie | 0,011 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».