Toward an Integrative Nomological Network of Congruence: Time to Break New Ground?
Notice bibliographique
Résumé
Congruence research has progressed from the difference score (D) model to the X-Y polynomial regression & response surface methodology (XYPR&RSM) model. Both models, however, are still insufficient to support a comprehensive nomological network of congruence; nor are they as methodologically rigorous as expected. In this article, we develop a difference and mean (D-M) approach to synthesize these two existing models. The proposed D-M model advances congruence research by integrating the effects of the difference (i.e., defined as the signed difference between two constructs), the effects of the mean (i.e., representing the absolute level of the two components), and the difference-and-mean interaction to form a comprehensive nomological network of congruence. The D-M model can help scholars develop more robust theories, offer accurate solutions to address research questions of interest to the XYPR&RSM model, enable knowledge-accumulation in congruence research, and resolve the empirical issues associated with existing models. We then elaborate the contributions of this new model using empirical examples. The results of this study suggest that although previous models both have made important contributions to the literature, it may be the time to explore a new line of research, and research opportunities on the new D-M model have yet to be discovered.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; les deux têtes enseignantes 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 ».