MétaCan
Menu
Retour à la cohorte
Enregistrement W4387397390 · doi:10.1177/08445621231204296

Notes to Factor Analysis Techniques for Construct Validity

2023· article· en· W4387397390 sur OpenAlexvenueno aff
Mousa Alavi, Erik Biroš, Michelle Cleary

Notice bibliographique

RevueCanadian Journal of Nursing Research · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiquePsychometric Methodologies and Testing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConstruct validityConstruct (python library)Computer scienceData scienceManagement scienceEngineeringMathematicsStatisticsPsychometricsProgramming language

Résumé

récupéré en direct d'OpenAlex

This paper introduces and discusses factor analysis techniques for construct validity, including some suggestions for reporting using the evidence to support the construct validity from exploratory and confirmatory factor analysis techniques. Construct validity is a vital part of psychological testing and a prerequisite to every measurement instrument, including aptitude, achievement, and interests. Research, particularly in nursing and the health sciences, depends on reliable and valid measurements. Therefore, a growing emphasis is on assessing validity regarding the structure of test variables commonly estimated by factor analysis techniques. However, it is not always clear how to report the analysis and use it to support the construct validity. Both exploratory and confirmatory factor analysis techniques provide vital evidence to support the construct validity. However, these are not the only available evidence for construct validity, and the researcher should always consider other sources of evidence to develop and support the construct validity of their intended measures. In addition, the collection and presentation of this evidence are not limited to a time, but the validity of constructs is a continuous process that leads to validating the underlying theories from which constructs have emerged.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Commentaire
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuellow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,054
score de la tête « metaresearch » (Gemma)0,189
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,287

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0540,189
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0080,012
Études des sciences et des technologies0,0040,006
Communication savante0,0050,007
Science ouverte0,0020,004
Intégrité de la recherche0,0020,009
Charge utile insuffisante (le modèle a refusé de juger)0,0330,014

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 Opus0,912
Tête enseignante GPT0,665
Écart entre enseignants0,247 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSans objet · Théorique ou conceptuel
Domainenon disponible
GenreMéthodes · Commentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Nursing ResearchMême sujetPsychometric Methodologies and TestingTravaux en français237 207