MétaCan
Menu
Retour à la cohorte
Enregistrement W4394240925 · doi:10.6084/m9.figshare.19196744

UTAUT2-based questionnaire: cross-cultural adaptation to Canadian French

2022· dataset· en· W4394240925 sur OpenAlexaboutno aff
Isabelle Pagé, Marianne Roos, Olivier Collin, Sean Lynch, Marie‐Ève Lamontagne, Hugo Massé‐Alarie, Andréanne K. Blanchette

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)PsychologyGeographyNeuroscience

Résumé

récupéré en direct d'OpenAlex

The extended version of the Unified Theory of Acceptance and Use of Technology (UTAUT2) aims to better understand acceptance of technology. The objective of this study was to translate the English UTAUT2-based questionnaire to Canadian French. The translation included five steps: (1) Forward translation, (2) Synthesis of the translated versions, (3) Backward translation, (4) Synthesis by a multidisciplinary committee and proposal of the Pre-final Canadian French version, and (5) Cognitive debriefing. Cognitive debriefing included the assessment of the questionnaire items’ clarity by (1) a sample of workers, and (2) rehabilitation professionals. Any item not reaching an 80% inter-rater agreement for clarity or relevance was re-evaluated. The multidisciplinary committee included six researchers and clinicians from four different backgrounds. Twelve workers and 12 experts participated in the cognitive debriefing. Each item (n = 40) was judged as “clear” by at least 92% of the worker sample. Six and four items were reviewed following clarity and relevance assessments. The final version was approved unanimously. A Canadian French version of the UTAUT2-based questionnaire has been developed. Studies are necessary to examine cultural and semantic equivalence of the original and translated versions, and the cultural appropriateness of the questionnaire.IMPLICATIONS FOR REHABILITATIONThere is an exponential growth in technology, including in the rehabilitation field.Implementing rehabilitation technology into clinical practice remains a challenge.The UTAUT model, and its extension, help to better understand the acceptance of technology before its implementation.The UTAUT2-based questionnaire evaluates the acceptability of rehabilitation technology prior to implementation. There is an exponential growth in technology, including in the rehabilitation field. Implementing rehabilitation technology into clinical practice remains a challenge. The UTAUT model, and its extension, help to better understand the acceptance of technology before its implementation. The UTAUT2-based questionnaire evaluates the acceptability of rehabilitation technology prior to implementation.

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 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)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,369
Score d'incertitude au seuil0,742

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,030
Tête enseignante GPT0,313
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetNatural Language Processing TechniquesTravaux en français237 207