A Multilevel Multidimensional Finite Mixture Item Response Model to Cluster Respondents and Countries
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 aim of this study was to test the multilevel multidimensional finite mixture item response model of the Forms of Self-Criticising/Attacking and Self-Reassuring Scale (FSCRS) to cluster respondents and countries from 13 samples ( N = 7,714) and from 12 countries. The practical goal was to learn how many discrete classes there are on the level of individuals (i.e., how many cut-offs are to be used) and countries (i.e., the magnitude of similarities and dissimilarities among them). We employed the multilevel multidimensional finite mixture approach which is based on an extended class of multidimensional latent class Item Response Theory (IRT) models. Individuals and countries are partitioned into discrete latent classes with different levels of self-criticism and self-reassurance, taking into account at the same time the multidimensional structure of the construct. This approach was applied to the analysis of the relationships between observed characteristics and latent trait at different levels (individuals and countries), and across different dimensions using the three-dimensional measure of the FSCRS. Results showed that respondents’ scores were dependent on unobserved (latent class) individual and country membership, the multidimensional structure of the instrument, and justified the use of a multilevel multidimensional finite mixture item response model in the comparative psychological assessment of individuals and countries. Latent class analysis of the FSCRS showed that individual participants and countries could be divided into discrete classes. Along with the previous findings that the FSCRS is psychometrically robust we can recommend using the FSCRS for measuring self-criticism.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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