External Validity Bias of Purposive and Random Site Selection When Sites Can Opt Out: Evidence from the Head Start Program
Notice bibliographique
Résumé
Randomized controlled trials (RCTs) produce impact evidence with high internal validity but uncertain external validity. External validity bias has been defined as the expected difference between the average impact in the sample and the average impact in the population. This study estimated the external validity bias from several site selection methods by simulating hypothetical RCTs of the Head Start program in which some selected sites decline to participate. Three main findings emerged from the analysis. First, purposive site selection consistently produced biased impact estimates that varied in magnitude based on the outcome examined, the factors used to select sites, and the factors that influenced site decisions to participate. Second, simple random site selection yielded less external validity bias than purposive site selection under most tested conditions. Third, stratified random site selection yielded virtually no external validity bias, but the results likely overstate the method’s performance when data on impact moderators are unavailable before sites are selected. These findings offer lessons on how to select sites in future RCTs to minimize external validity bias.
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 | 0,455 | 0,759 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,008 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».