Systematic review of methods to discern antagonistic ties in social networks in community settings
Notice bibliographique
Résumé
Human social networks are naturally signed, including both positive and negative ties. However, the instruments for appraising negative ties are less established than those focusing on positive, friendly connections. An improved consensus on useable instruments could support the comparability, reliability, and validity of measures used to map social networks involving negative ties. This methodological systematic review summarizes and classifies “name generators” (NGs) used to identify negative ties, focusing on applications involving the ascertainment of face-to-face relationships in community settings, especially concerning health or wellbeing. Following the PRISMA guideline, we searched seven databases with no restrictions. Two blinded reviewers participated in screening, appraisal, and evaluation, and two different reviewers resolved conflicts. Quality assessment was assessed with the Newcastle-Ottawa Scale. We summarized study characteristics and the NGs by structure, properties, and methods. We screened 31,350 titles and abstracts. Between 1986 and 2021, 18 studies were identified. Ten publications investigated negative ties regarding well-being outcomes, and eight analyzed the association of negative relationships with physical/mental health. Most studies were rated at least “Good” quality (n = 17), and the majority used a single NG for negative ties (n = 11). We reviewed 33 negative NGs, of which the majority (n = 22) focused on the ego's experience of an alter (e.g., dislike), eight on describing an alter's trait (e.g., an “annoying person”), and three on a dyadic interaction as the tie (e.g., fighting). Most NGs were used to evaluate already nominated positive ties (n = 10). We observe little convergence in negative tie NG questions in community settings. Our results indicate eclectic instruments in the literature, making it difficult to evaluate what a negative tie means across diverse studies. Based on our findings, we propose a decision-making classification tree for designing negative NG. Rather than recommending which designs are most beneficial to assess negative ties, we provide a collection of empirical questions for future studies interested in this topic.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,081 | 0,276 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,014 |
| Bibliométrie | 0,038 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».