The iterative development and refinement of health psychology theories through formal, dynamical systems modelling: a scoping review and initial expert-derived ‘best practice’ recommendations
Notice bibliographique
Résumé
This scoping review aimed to synthesise methodological steps taken by researchers in the development of formal, dynamical systems models of health psychology theories. We searched MEDLINE, PsycINFO, the ACM Digital Library and IEEE Xplore in July 2023. We included studies of any design providing that they reported on the development or refinement of a formal, dynamical systems model unfolding at the within-person level, with no restrictions on population or setting. A narrative synthesis with frequency analyses was conducted. A total of 17 modelling projects reported across 29 studies were included. Formal modelling efforts have largely been concentrated to a small number of interdisciplinary teams in the United States (79.3%). The models aimed to better understand dynamic processes (69.0%) or inform the development of adaptive interventions (31.0%). Models typically aimed to formalise the Social Cognitive Theory (31.0%) or the Self-Regulation Theory (17.2%) and varied in complexity (range: 3-30 model components). Only 3.4% of studies reported involving stakeholders in the modelling process and 10.3% drew on Open Science practices. We conclude by proposing an initial set of expert-derived 'best practice' recommendations. Formal, dynamical systems modelling is poised to help health psychologists develop and refine theories, ultimately leading to more potent interventions.
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 | 0,144 | 0,264 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,025 | 0,018 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,013 | 0,015 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
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 ».