MétaCan
Menu
Retour à la cohorte
Enregistrement W2901447407 · doi:10.7748/nr.2018.e1585

A step-by-step approach to developing scales for survey research

2018· review· en· W2901447407 sur OpenAlexaff
Ahtisham Younas, Caroline Porr

Notice bibliographique

RevueNurse Researcher · 2018
Typereview
Langueen
DomaineSocial Sciences
ThématiqueHealth Education and Validation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRigourScale (ratio)Reliability (semiconductor)Process (computing)Computer scienceManagement scienceData sciencePopulationValidityPsychologyPsychometricsMedicineMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: While questionnaires and scales are some of the simplest methods of collecting data, their development requires a rigorous process. In recent years, several new questionnaires and scales have been developed. Although various papers have outlined how to develop questionnaires, their use in survey research, as well as how to ensure their validity and reliability, the actual development of scales - including the generation of items, scaling, the testing of validity and reliability, and refinement of the scale - is missing in the literature. AIM: To outline a systematic and rigorous process for developing scales for survey research and to differentiate between three interchangeably used terms: scale, questionnaire and inventory. DISCUSSION: Developing a valid and reliable scale is daunting because of the challenges associated with the conceptualisation, contextualisation and operationalisation of the phenomenon of interest. Researchers should use multiple approaches at each step of development to tackle these challenges. CONCLUSION: This paper provides a step-by-step approach to developing scales by providing explicit instructions and practical examples. This six-step process can enable nurse researchers to develop a scale applicable to their study's intended population, which is also valid and reliable for measuring the phenomenon of interest. IMPLICATIONS FOR PRACTICE: Rigorous nursing research demands that instruments be valid and reliable measures. Systematic development of scales is key to ensuring that nurse researchers accurately measure abstract concepts when conducting surveys with a given population. This paper is a first step in addressing the gap in the methodological literature and will contribute to greater rigour in research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,272
score de la tête « metaresearch » (Gemma)0,351
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,728
Score d'incertitude au seuil0,898

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2720,351
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0110,012
Études des sciences et des technologies0,0050,006
Communication savante0,0080,006
Science ouverte0,0060,009
Intégrité de la recherche0,0030,011
Charge utile insuffisante (le modèle a refusé de juger)0,0130,008

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 Opus0,807
Tête enseignante GPT0,674
Écart entre enseignants0,134 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
GenreMéthodes

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

En bref

Citations54
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNurse ResearcherMême sujetHealth Education and ValidationTravaux en français237 207