Quantifying subjective data using online Q-methodology software
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The Q-Sort methodology has been used to study participants’ subjective views on various topics ( Brown, 1996 ). The task has historically been completed by manually sorting cards into categories that force responses into a normal distribution ( Brown, 1996 ). Data collection using this method is time consuming and manual data entry is prone to human error. We describe here QMethod Software – a computerized web-based application that allows participants to sort and record their responses online. This online application eliminates the need for researchers to attend the study sessions and to manually enter data. QMethod Software described here is currently being used in both applied and cognitive psychology studies, including a clinical study that evaluates participants’ perception of behaviours seen as most characteristic or most uncharacteristic of psychological aggression or coercive control in situations of intimate partner violence. In a health psychology study, it is being used to examine people’s perceptions of food allergy, and in a psycholinguistics lab it was used to evaluate the affective valence, abstractness, and semantic richness ratings of words. We will show here that the data obtained from one of these psycholinguistic studies (abstractness/concreteness) correlates highly with existing measures ( Brysbaert, Warriner & Kuperman, 2014 ) thus demonstrating that the Q-sort methodology and this particular implementation, the QMethod Software app, reproduces more typical evaluations/assessments in the psycholinguistics literature.
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.
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 | 0,011 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle