A cognitive diagnostic analysis of the Social Issues Advocacy Scale (SIAS)
Notice bibliographique
Résumé
‘What would an ideal social justice advocate look like, and how do our graduates compare?’ is asked by training programs in the helping/health professions (e.g. counselling and psychology, nursing, and education) that have social justice advocacy (SJA) as a core competency. We demonstrate a method for answering this question empirically – cognitive diagnostic modelling (CDM). We used the four dimensions of the Social Issues Advocacy Scale (SIAS; Nilsson, Marszalek, Linnemeyer, Bahner, & Hanson Misialek, 2011 Nilsson, J. E., Marszalek, J. M., Linnemeyer, R. M., Bahner, A. E., & Hanson Misialek, L. (2011). Development and assessment of the Social Issues Advocacy Scale. Educational and Psychological Measurement, 71(1), 258–275. doi:10.1177/0013164410391581[Crossref], [Web of Science ®] , [Google Scholar]) as attributes of SJA, and fit SIAS responses to a CDM of 16 attribute mastery profiles. One-quarter of the sample had a profile suggesting SJA attitudes without action; one-fifth, a profile suggesting monitoring SJA in politics without participation; and one-eighth, a profile suggesting individuals rarely engage in action without SJA attitudes. We also found significant relationships between mastery profiles and degree pursued, degree field, and political affiliation. These results demonstrated the utility of CDM for training program assessment of SJA.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».