NöroPLAY Yönteminin İzleminde Kullanılan NöroPLAY Oyun Davranış Değerlendirme Ölçeği ve NöroPLAY Ebeveyn Oyun Davranış Değerlendirme Ölçeğinin Geliştirilmesi
Notice bibliographique
Résumé
Bu araştırmada NöroPLAY yönteminin izleminde NöroPLAY Oyun Davranışı Değerlendirme Ölçeği ve NöroPLAY Ebeveyn Oyun Davranışı Değerlendirme Ölçeğinin geliştirilmesi amaçlanmıştır. Çalışma grubu 18-42 ay aralığında olan 91 çocuktan oluşmaktadır. Ölçeklerin yapı geçerliliklerini belirleyebilmek amacıyla açımlayıcı faktör analizi yöntemi kullanılmıştır. Maddelerin bulundukları yapıya hizmet etme derecelerinin incelenmesi için düzeltilmiş madde -toplam korelasyonu değerlendirilmiştir. Ölçek puanlarının güvenirliğinin değerlendirilmesinde Cronbach alfa ve McDonald omega güvenirlik katsayıları kullanılmıştır. Ölçeklerin yapısı ile ilgili kanıtlar elde edildikten sonra hatırlanma etkisini de ortadan kaldırmak amacıyla altı ay sonra aynı örneklemden tekrar veri toplanarak yapının doğrulanması amacıyla doğrulayıcı faktör analizi gerçekleştirilmiştir. Doğrulayıcı faktör analizi gerçekleştirilirken veri çoklu normal dağılım göstermediği için kestirim yöntemi olarak güçlü maksimum olabilirlik (robust maximum likelihood) yöntemi kullanılmıştır. Doğrulayıcı faktör analizi sonucunda elde edilen uyum indeksi değerleri, faktör yük değerleri ve hata varyansları incelenerek model veri uyumu değerlendirilmiştir. Öçeklerden elde edilen ölçümlerin geçerli ve güvenilir olduğu ortaya konulmuştur.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».