MétaCan
Menu
Retour à la cohorte
Enregistrement W2808970193 · doi:10.1016/j.pmedr.2018.06.008

Assessing hearing and cognition challenges in consumer processing of televised risk information: Validation of self-reported measures using performance indicators

2018· article· en· W2808970193 sur OpenAlexfundno aff
Brian G. Southwell, Sarah Parvanta, Mihaela Johnson, Amie C. O’Donoghue, Helen W. Sullivan, Sarah Ray, Christine Davis, Nancy M. McKenna

Notice bibliographique

RevuePreventive Medicine Reports · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of North Carolina at Chapel HillHamilton Health Sciences FoundationUniversity of MinnesotaU.S. Department of Health and Human Services
Mots-clésAudiologistCognitionRecallHearing lossPsychologyAudiologyClinical psychologyTask (project management)Effects of sleep deprivation on cognitive performanceMedicineCognitive psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

= 1064) in North Carolina, USA, in 2017. We found moderate correspondence between self-reported hearing loss and audiologist-assessed hearing loss. Both measures also showed a small negative association with recall of presented risk information. Cognitive ability results suggested less substantial correspondence between self report and performance task and the measures differed in predicting risk recall. Our results suggested a moderately efficient measure for hearing ability for research on risk information exposure and retention, and yet also suggested the need for caution regarding future use of self-reported cognitive ability as a substitute for a performance-based measure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,117
Tête enseignante GPT0,415
Écart entre enseignants0,298 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreventive Medicine ReportsMême sujetNoise Effects and ManagementTravaux en français237 207