The Other Side of the Bell Curve: Multivariate Base Rates of High Scores on the Delis-Kaplan Executive Function System
Notice bibliographique
Résumé
OBJECTIVE: Previous researchers have examined the frequency at which healthy participants obtain one or more low scores on neuropsychological test batteries, proposing five psychometric principles of multivariate base rates: (a) low scores are common, with their frequency contingent on (b) the low score cutoff used, (c) the number of tests administered/interpreted, and (d) the demographic characteristics and (e) intelligence of participants. The current study explored whether these principles applied to high scores as well, using the Delis-Kaplan Executive Function System (D-KEFS). METHOD: Multivariate base rates of high scores (≥75th, ≥84th, ≥91st, ≥95th, and ≥98th percentiles) were derived for a three-test, four-test, and full D-KEFS battery, using the adult portion of the normative sample (aged 16-89 years; N = 1050) stratified by education and intelligence. The full D-KEFS battery provides 16 total achievement scores (primary indicators of executive function). RESULTS: High scores occurred commonly for all batteries. For the three-test battery, 24.1% and 12.4% had 1 or more scores ≥95th percentile and ≥98th percentile, respectively. High scores occurred more often for longer batteries: 61.6%, 72.9%, and 87.8% obtained 1 or more scores ≥84th percentile for the three-test, four-test, and full batteries, respectively. The frequency of high scores increased with more education and higher intelligence. CONCLUSIONS: The principles of multivariate base rates also applied to high D-KEFS scores: high scores were common and contingent on the cutoff used, number of tests administered/interpreted, and education/intelligence of examinees. Base rates of high scores may help clinicians identify true cognitive strengths and detect cognitive deficits in high functioning people.
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 | 0,014 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».