Machine-Learning Validated Short Form of the Korean Version of the Sleep-Related Behaviors Questionnaire-10 Items: SRBQ-10
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to develop a short form of the Korean version of the Sleep-Related Behaviors Questionnaire (SRBQ) and assess its validity and psychometric properties. METHOD: We collected 300 responses from the EMBRAIN survey system and conducted exploratory and confirmatory factor analyses to group SRBQ items based on response similarity. The most representative item from each group was selected using eXtreme Gradient Boosting (XGBoost). The psychometric properties of the final 10 items were assessed using the Rasch model of item response theory (IRT). RESULTS: Based on the selected 10 key items, we developed the SRBQ-10-a data-driven shortened version of the SRBQ, which demonstrated excellent performance (0.96) in predicting the SRBQ score, despite having only 10 items, which is one-third of the items in the original SRBQ-32. In addition to its reliability, the photometric properties of the SRBQ-10 were in the theoretically expected order, with no overlap or reversal of scale order, confirming the validity of the item scale. CONCLUSION: The SRBQ-10, a concise version of SRBQ, enables efficient screening of sleep-related behaviors in clinical settings. Our study framework combining classical test theory, XGBoost, and IRT can be applied to develop and validate shorter versions of other questionnaires.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».