INTERPRETING RESULTS FROM RASCH ANALYSIS 1. THE "MOST LIKELY" MEASURES COMING FROM THE MODEL.
Notice bibliographique
Résumé
Properties describing the person “as a whole” are key outcome variables in Medicine. This is particularly true in Physical and Rehabilitation Medicine, targeting the person’s interaction with the outer world. Such variables include independence, pain, fatigue, balance, and the like. These variables can only be observed through behaviours of various complexity, deemed representative of a given “latent” person’s property. How to infer its “quantity”? Usually, behaviours (items) are scored ordinally, and their “raw” scores are summed across item lists (questionnaires). The limits and flaws of scores (i.e., multidimensionality, non-linearity) are well known, yet they still dominate the measurement in Medicine. The present article summarises the solution provided by the Rasch theory, providing an original metrological model for persons' measurements. Scores are transformed and tested for their capacity to respect fundamental measurement axioms. Rasch analysis returns the linear measure of the person’s property (“ability”) and the item’s calibrations ("difficulty"), concealed by the raw scores. The difference between a person’s ability and item difficulty determines the probability that a “pass” response is observed. The discrepancy between observed scores and the ideal measures (i.e., the residual) invites diagnostic reasoning. In a companion article, advanced applications of Rasch modelling are illustrated.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».