MétaCan
Menu
Retour à la cohorte
Enregistrement W3140119446 · doi:10.1177/10731911211001931

Why Do People Agree With Both Regular and Reversed Items? A Logical Response Perspective

2021· article· en· W3140119446 sur OpenAlexaff
Chester Chun Seng Kam, John P. Meyer, Shaojing Sun

Notice bibliographique

RevueAssessment · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral and Psychological Studies
Établissements canadiensWestern University
Organismes subventionnairesUniversidade de Macau
Mots-clésPsychologyTraitSocial psychologyConstruct (python library)Perspective (graphical)Curse of dimensionalityCognitive psychologyDevelopmental psychologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The current research challenges the received view that misresponses to reversed items are the result of participants' irrational behavior. On the contrary, for participants at a midpoint level of a trait, it is perfectly logical to agree and disagree with seemingly equivalent statements (e.g., I'm not tall, but neither am I short). For this reason, regular and reversed items for a unidimensional construct were predicted to load on separate factors. Two types of reversed items-polar opposites and negated regular items-were also predicted to load on separate factors, as they are qualitatively different. An empirical study supported this explanation. Differential responding was found to be highest for participants at the mid-level of a trait and diminished toward the ends, revealing a quadratic relationship and a trait × method interaction. Thus, our findings demonstrate that the logical response pattern of individuals at the mid-level of a trait is another previously unrecognized explanation for why the inclusion of regular and reverse-keyed items can contribute to the apparent bi-dimensionality of unidimensional constructs (for data analysis results, see https://osf.io/krh2w/).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,071
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,373
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssessmentMême sujetBehavioral and Psychological StudiesTravaux en français237 207