A validation study of the Korean version of the Toronto empathy questionnaire for the measurement of medical students’ empathy
Notice bibliographique
Résumé
BACKGROUND: This study aimed to validate the Korean version of the Toronto Empathy Questionnaire (TEQ) and to determine its suitability for the measurement of empathy in medical students. METHODS: The study sample was Year 1 and 2 medical students at two medical schools on six-year undergraduate medical programs in South Korea. The study participants completed the Korean TEQ, which has a single factor structure and consists of 16 items; responses are scored using a 5-point Likert scale, giving a maximum possible score of 64. Psychometric validation of the questionnaire was performed by exploratory and confirmatory factor analyses and the goodness of fit test. Average variance extracted was calculated to establish convergent validity, and associations between factors and construct reliability were analyzed to establish discriminant validity. Cronbach's alpha values were utilized for reliability analysis. RESULTS: A total of 279 students completed and returned the questionnaire (a 96.2% response rate). Participant empathy scores ranged from 20 to 60 (M = 44.6, SD = 7.36). Empathy scores were higher for females than males (p < .05). The cumulative variance of the Korean TEQ was 32%, indicating that its explanatory power was rather weak. Consequently, goodness-of-fit testing was performed on four hypothetical models, among which a three-factorial structure consisting of 14 items demonstrated satisfactory fit indices and explained 55% of the variance. Reliability estimates of the three subscales were also satisfactory (Cronbach's α = .71-.81). This three-factorial model was validated by confirmatory factor analysis and demonstrated adequate convergent and discriminant validity. CONCLUSIONS: This study demonstrated psychometric validation of the Korean TEQ for measuring medical students' empathy. We suggest a modified 14-item model with a three-factorial structure, which demonstrated better psychometric properties than the original scale.
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 | 0,019 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».