PSYC 6000 Lab 1 Assignment Derek
Notice bibliographique
Résumé
This is an assignment for PSYC 6000 Advanced Stats, offered at Memorial University of Newfoundland (MUN) , St. John's, NL, Canada. In this assignment, we will be introduced to the basics of statistics in Psychology. All the data used in this assignment are fictional and are meant for educational purposes only. The assignment revolves around the Big 5 categories of personality and is divided into two main sections. In section 1, we will be using Jamovi for the following: -Reverse coding some data sets (the transform option in Jamovi) -Filtering data from participants above 60 years of age (the filter option in Jamovi) -Conducting and reporting descriptives statistics on the age and gender of participants, using the filtered data -Calculating the mean for each of the Big 5 categories -Provide a visualization for each of the categories and a description for their respective data distribution -Provide a visualization for each of the categories but using age as an independent variable and reporting a description for their respective data distribution In section 2, G*Power software will be used for the following: -Computing the sample size needed for a power of 0.95 to detect a small effect, at an alpha level of .01 -Changing some of the parameters to obtain a smaller sample size and reporting what we did -Provide an explanation on which compromises are required to obtain a smaller required sample size in terms of statistical power in Psychology In this assignment, a fictitious sample of 246 participants (after filtering the false data) was collected and used for this research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,037 |
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; les deux têtes enseignantes 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 ».