MétaCan
Menu
Retour à la cohorte
Enregistrement W4307885584 · doi:10.1177/00938548221131956

A Look at the Difficulty and Predictive Validity of LS/CMI Items With Rasch Modeling

2022· article· en· W4307885584 sur OpenAlexaffabout
Guy Giguère, Sébastien Brouillette‐Alarie, Christian Bourassa

Notice bibliographique

RevueCriminal Justice and Behavior · 2022
Typearticle
Langueen
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésRasch modelPredictive validityPopulationPsychologyRecidivismScale (ratio)StatisticsTest validityPsychometricsItem response theoryClinical psychologyDevelopmental psychologyMathematicsMedicine

Résumé

récupéré en direct d'OpenAlex

The current study aimed to provide data on the performance of items, dimensions, and the total score of the Level of Service/Case Management Inventory (LS/CMI), one of the most internationally used actuarial scales for the prediction of general recidivism in convicted persons. Using the full population of Quebec’s male incarcerated population evaluated between 2008 and 2015 with a 2-year follow-up ( N = 15,961), results indicated that the predictive validity of the scale and its components was in line or better than effect sizes reported in other validation studies. A Rasch model was computed to obtain the difficulty parameter of LS/CMI items. Results indicated that items had varying levels of difficulty and covered the whole spectrum of the risk continuum. However, difficulty in Rasch was uncorrelated with the predictive validity of items, which casts a doubt on the applicability of some aspects of item response theory to actuarial scales.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,643

Scores Codex et Gemma par catégorie

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

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 Opus0,070
Tête enseignante GPT0,326
Écart entre enseignants0,256 · 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.

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

Citations12
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCriminal Justice and BehaviorMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207