MétaCan
Menu
Retour à la cohorte
Enregistrement W4393949391 · doi:10.1037/fam0001210

We got this: Evaluating racial socialization competency among diverse ethnic–racial groups.

2024· article· en· W4393949391 sur OpenAlexaff
Shawn C. T. Jones, N. Keita Christophe, Howard C. Stevenson, Gabriela L. Stein, Lisa Kiang, Michele Chan, Riana Elyse Anderson

Notice bibliographique

RevueJournal of Family Psychology · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSocializationEthnic groupPsychologyRacial groupSocial psychologyRacial differencesDevelopmental psychologySociologyAnthropology

Résumé

récupéré en direct d'OpenAlex

= 44.4 years) of youth between the ages of 10 and 18 recruited from across the United States. The sample was intentionally racially and ethnically diverse, with 26.1% identifying as Black, 24.2% identifying as Latinx, 24.9% identifying as Asian American, and 24.8% identifying as White. Confirmatory factor analyses replicated the previously identified structure of the RaSCS subscales, and scores were reliable. Multigroup measurement invariance analyses supported full scalar invariance across the four racial/ethnic subgroups for the Confidence, Skills, and General RS Stress subscales and partial scalar invariance for the Call to Action RS Stress subscale. These findings suggest that the RaSCS is an appropriate tool for assessing RS competency across racial and ethnic groups and that RS competency as a universal construct is relevant across groups. (PsycInfo Database Record (c) 2024 APA, all rights reserved).

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,325
Tête enseignante GPT0,578
Écart entre enseignants0,253 · 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.

Devis d'étudeObservationnel
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Family PsychologyMême sujetCommunity Health and DevelopmentTravaux en français237 207