Challenges When Translating and Culturally Adapting a Measurement Instrument: The Suitability and Comprehensibility of Materials (SAM+CAM)
Notice bibliographique
Résumé
There is evidence that low suitability and comprehensibility of printed education materials (PEMs) affects patients' and relatives' ability to read and comprehend information. However, few instruments measure the suitability of written information, and none exist in the Swedish language. The aim was to describe the translation and adaptation of the Suitability and Comprehensibility of Materials (SAM+CAM) instrument into the Swedish language and health care context and to explore challenges related to this process. The SAM+CAM instrument was translated and culturally adapted in five steps: forward translation, synthesis, back translation, expert review, and pretests. Differences were found when translating and culturally adapting the SAM+CAM instrument in the areas of semantic, idiomatic, and experiences. Participants revealed several clarity inconsistencies between items. They also identified linguistic differences and unfamiliar wording; they found that the instrument was perplexing to use and lacked knowledge regarding the specific health care areas in the examined PEMs. The cultural perspective is a significant factor that influences the usability of PEMs. Therefore, expert groups of participants are useful when adapting instruments to different cultures. The Swedish SAM+CAM instrument requires experienced and highly qualified raters.
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 | 0,249 | 0,463 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».