Clinical Assessment of Judgment in Adults and the Elderly: Development and Validation of the Three Domains of Judgment Test—Clinical Version (3DJT-CV)
Notice bibliographique
Résumé
(1) Background: This article discusses the first two phases of development and validation of the Three Domains of Judgment Test (3DJT). This computer-based tool, co-constructed with users and capable of being administered remotely, aims to assess the three main domains of judgment (practical, moral, and social) and learn from the psychometric weaknesses of tests currently used in clinical practice. (2) Method: First, we presented the 3DJT to experts in cognition, who evaluated the tool as a whole as well as the content validity, relevance, and acceptability of 72 scenarios. Second, an improved version was administered to 70 subjects without cognitive impairment to select scenarios with the best psychometric properties in order to build a future clinically short version of the test. (3) Results: Fifty-six scenarios were retained following expert evaluation. Results support the idea that the improved version has good internal consistency, and the concurrent validity primer shows that 3DJT is a good measure of judgment. Furthermore, the improved version was found to have a significant number of scenarios with good psychometric properties to prepare a clinical version of the test. (4) Conclusion: The 3DJT is an interesting alternative tool for assessing judgment. However, more studies are needed for its implementation in a clinical context.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,056 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».