Examining the validity of the use of ratio IQs in psychological assessments
Notice bibliographique
Résumé
Intelligence tests are amongst the most used psychological assessments, both in research and clinical settings. To avoid missing data points, for participants who cannot complete Intelligence tests normed for their age, ratio IQ scores (RIQ) are routinely computed and used as a proxy of IQ. Here, we use the case of autism to examine the validity of this widely used, yet never scientifically validated, practice. We examine the differences between standard full-scale IQ (FSIQ) and RIQ. Data was extracted from four databases in which age, FSIQ scores and subtests raw scores (from which RIQ scores could be calculated) were available for 16,751 autistic participants between 2 and 18 years old. The Intelligence tests included were the MSEL (N = 12,033), DAS-II early years (N = 1270), DAS-II school age (N = 2848), WISC-IV (N = 471) and WISC-V (N = 129). RIQs were computed for each participant as well as the discrepancy (DSC) between RIQ and FSIQ. We performed a multiple linear regression model to assess the effects of age and FSIQ on DSC for each IQ test. Participants at the extremes of the FSIQ distribution tended to have a greater DSC than participants with average FSIQ. Furthermore, age significantly predicted the DSC, with RIQ superior to FSIQ for younger participants while the opposite was found for older participants. Similar results were found in secondary analyses including typically developing children. These results question the validity of the RIQ as an alternative scoring method, especially for individuals at the extremes of the normal distribution, for whom RIQs are most often employed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».