MétaCan
Menu
Retour à la cohorte
Enregistrement W4283582660 · doi:10.1080/26408066.2022.2086443

Sexual Violence Among Postsecondary Students: No Evidence that a Low Response Rate Biases Victimization or Perpetration Rates in a Well-Designed Climate Survey

2022· article· en· W4283582660 sur OpenAlexafffund
Nicole Jeffrey, Charlene Y. Senn, Michelle A. Krieger, Anne Forrest

Notice bibliographique

RevueJournal of Evidence-Based Social Work · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSexual Assault and Victimization Studies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesCanada Research Chairs
Mots-clésCensusRepresentativeness heuristicStratified samplingAmerican Community SurveySurvey data collectionNon-response biasSelection biasGeographyIncentiveSample (material)Survey methodologyPsychologyDemographyStatisticsSocial psychologySociologyEconomicsMathematicsPopulation

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this study was to assess the accuracy and representativeness of common census-sampled campus climate surveys given the potential for misestimating sexual violence (SV) rates on campuses due to low response rates and self-selection bias in research (mixed findings in previous research).Method We compared SV rates obtained from a census-sampled campus climate survey with a lottery draw (a common method for collecting campus SV data) with those obtained from a gender-stratified random sample survey with individual incentives.Results We found no evidence that census-sampled campus climate surveys misestimate SV: our low response rate census-sampled survey produced very similar rates to our high response rate random sample survey.Discussion and Conclusion Our research suggests that less costly and labor-intensive census-sampled surveys, when well-designed, produce sufficiently accurate and representative SV estimates on campuses despite their lower response rates.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,031
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0030,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,169
Tête enseignante GPT0,407
Écart entre enseignants0,238 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Evidence-Based Social WorkMême sujetSexual Assault and Victimization StudiesTravaux en français237 207