MétaCan
Menu
Retour à la cohorte
Enregistrement W4386361988 · doi:10.1371/journal.pone.0290728

Impact of factor rotation on Q-methodology analysis

2023· article· en· W4386361988 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueQ Methodology Applications
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesnon disponible
Mots-clésVarimax rotationRotation (mathematics)Factor (programming language)StatisticsEuler's rotation theoremFactor analysisMathematicsComputer scienceArtificial intelligencePsychometrics

Résumé

récupéré en direct d'OpenAlex

The Varimax and manual rotations are commonly used for factor rotation in Q-methodology; however, their effects on the results may not be well known. In this article we investigate the impact of different factor rotation techniques in Q-methodology, specifically how the factors and their distinguishing statements might be affected. We applied three factor rotation techniques including Varimax, Equamax, and Quartimax rotations on two exemplary datasets and compared the results based on the number of Q-sorts loaded on each factor, number of distinguishing statements for each factor, and changes in the number of distinguishing statements. We also estimated the Pearson correlation between the extracted factors based on rotation techniques. This analysis shows that factors can change substantially from one rotation to another. For instance, there was only 3 common distinguishing statements between Factor 1 of no-rotation of Dataset 1 and its matched factor from Varimax rotation. Even for 3 common statements, the factor scores were quite different from no-rotation to Varimax rotation. This analysis shows that the effects of factor rotation on emerging factors are complex. The changes are usually substantial such that the rotated factors might be quite different from the original factors.

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.

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)0,004
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,218
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,802
Tête enseignante GPT0,556
Écart entre enseignants0,246 · 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