MétaCan
Menu
Retour à la cohorte
Enregistrement W2980232360 · doi:10.1016/j.heliyon.2019.e02558

Validation and psychometrics for the Health Skills Profile

2019· article· en· W2980232360 sur OpenAlexaff
Amy Shi, Michelle Rajpal, Paul Kostoff

Notice bibliographique

RevueHeliyon · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychometricsPsychologyData scienceApplied psychologyClinical psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Few measures can comprehensively explore the extent to which individuals are able to effectively identify areas of concern, create a personalized health action plan and target these areas for improvement. Thus, the aim of this paper was to validate the Health Skills Profile (HSP©) as a measure for assessing health-related skills and explore the relationship between the HSP skills with existing validated measures. METHOD: Participants completed a battery of self-report measures (including validated measures and visual analogue scales [VAS] that relate to each of the health-related skills) and the HSP measure online. RESULTS: We explored the association between each skill within the HSP with their corresponding validated measure. We found a significant positive relationship between the HSP skills and the validated measures. Further, we found a significant positive relationship between the HSP skills and the corresponding VAS. CONCLUSION: These findings suggest that the HSP can be combined with other assessment data to develop more complete personalized profiles of individual and organizational health and health behaviors.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,711
Score d'incertitude au seuil0,745

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,408
Écart entre enseignants0,375 · 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'étudeSans objet
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetWorkplace Health and Well-beingTravaux en français237 207