Guidelines for Using Child Welfare Administrative Data from a Measurement Perspective
Notice bibliographique
Résumé
Administrative data, or data routinely collected over the course of an agency’s programmatic activities (Yampolskaya, 2018), have enjoyed a surge in popularity among social science researchers in the past few years. This is no less true in child welfare, where administrative data offer a comprehensive, longitudinal, population-level source of information from which to identify risk and protective factors and analyze outcomes that are not subject to attrition, social desirability bias, or underestimation in self-reporting from parents (Brownell & Jutte, 2013). Given the potential benefits of administrative data, the purpose of this note is to describe some guidelines for using administrative data in child welfare research. The guidelines described in this note are grounded in measurement theory as well as lessons we learned from conducting research using administrative data and pertain to the type of research that administrative data are used for (that is, tracking research to...
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 | 0,315 | 0,543 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,005 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,013 | 0,018 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,010 | 0,008 |
| Intégrité de la recherche | 0,013 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,009 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».