MétaCan
Menu
Retour à la cohorte
Enregistrement W7023950838

QUEST 2.0 : Apuvälinetyytyväisyyttä arvioivan mittarin käyttöönotto ja soveltuvuus Suomessa

2012· other· fi· W7023950838 sur OpenAlexaboutno aff

Notice bibliographique

RevueSTM:n Hallinnonalan avoin julkaisuarkisto (Julkari) · 2012
Typeother
Languefi
DomaineComputer Science
ThématiqueTopic Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Work (physics)Perspective (graphical)Context (archaeology)Field (mathematics)Identification (biology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Raportissa esitellään suomenkielisen Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST) 2.0 -apuvälinetyytyväisyysmittarin käyttöönottoprosessi, mittarin validiteetti-ja reliabiliteettitestauksen tulokset sekä mittarin avulla tehdyn apuvälinetyytyväisyys-tutkimuksen tulokset.Raportin tavoitteena on osoittaa QUEST 2.0 -mittarin soveltuvuus ja käyttökelpoisuus apuvälinetyytyväisyyden arvioimisessa sekä tehdä mittaria tunnetuksi Suomessa.Kanadassa kehitetty QUEST 2.0 -mittari on ainoa standardoitu nimenomaan apuvälineiden käyttäjien tyytyväisyyden arvioimiseen tarkoitettu mittari.Suomenkielisen QUEST-mittarin ohjekirjan ja lomakkeen käännös-ja muokkaustyö on tehty Stakesissa moniammatillisen työryhmän toimesta.Tutkimuksessa tarkasteltiin suomenkielisen QUEST 2.0 -tyytyväisyysmittarin validiteettia ja reliabiliteettia sekä soveltuvuutta suomalaisten apuvälineen käyttäjien tyytyväisyyden arvioimiseen.Suomenkielinen QUEST 2.0 -mittari osoittautui sisällöllisesti validiksi, reliaabeliksi ja soveltamiskelpoiseksi tyytyväisyyden mittariksi suomalaisilla apuvälineen käyttäjillä.Mittarin todettiin soveltuvan paitsi aikuisten, myös lasten apuvälinetyytyväisyyden arvioimiseen silloin, kun QUEST-lomake täytetään aikuisen tuella.Apuvälinetyytyväisyystutkimuksessa selvitettiin viiden eri apuvälineen käyttäjien tyytyväisyyttä QUEST 2.0 -mittarilla kerätyllä aineistolla (n = 446), joka on saatu Stakesin QUESTtietokannasta.Aineisto koostui sähkömopedin (n = 109), sähköpyörätuolin (n = 101), manuaalipyörätuolin (n = 144), rollaattorin (n = 62) ja yksilöllisten jalkineiden (n = 30) käyttäjistä.QUEST-mittarissa tyytyväisyyden katsotaan jakautuvan kahteen osa-alueeseen: apuvälineen ominaisuuksiin liittyvään tyytyväisyyteen ja apuvälinepalveluihin liittyvään tyytyväisyyteen.Apuvälineen käyttäjän tyytyväisyyttä tarkasteltiin suhteessa ikään, sukupuoleen, apuvälineen luovuttaneeseen organisaatioon ja apuvälineen käytössä olon aikaan.Lisäksi tutkimuksessa verrattiin käyttäjien palvelutyytyväisyyttä samankaltaisia apuvälineitä luovuttaneiden sairaanhoitopiirien välillä.Vertailuaineistona käytettiin sekä sähkömopedeja että sähköpyörätuoleja luovuttaneita sairaanhoitopiirejä.Samalla vertailtiin myös sähkömopedin ja sähköpyörätuolin käyttäjien apuvälinetyytyväisyyttä.Tutkimuksen perusteella apuvälineeseen liittyvät osatekijät ovat tyytyväisyyden näkökulmasta käyttäjille tärkeämpiä kuin apuvälinepalveluihin liittyvät.Tärkeimpiä tyytyväisyyden osatekijöitä kaikkien tutkittujen apuvälineryhmien kohdalla olivat apuvälineen turvallisuus, tarkoituksenmukaisuus ja helppokäyttöisyys.Apuvälinepalveluihin liittyvät tyytyväisyyden osatekijät lukuun ottamatta huolto-ja korjauspalveluita eivät olleet tärkeimpien tekijöiden joukossa apuvälineen käyttäjien tyytyväisyyden kannalta.Huolto-ja korjauspalvelut olivat tärkeitä erityisesti sähkömopedin ja sähköpyörätuolin käyttäjille.Apuvälineiden käyttäjät olivat kohtuullisen tyytyväisiä sekä apuvälineeseen ja sen ominaisuuksiin että apuvälinepalveluihin. Kuitenkin apuvälineessä ja/tai palveluissa oli joitain osatekijöitä, joihin käyttäjistä huomattava osuus (yli 24 prosenttia) oli tyytymättömiä.Tyytymättömyyttä aiheuttaneet tekijät vaihtelivat apuvälinetyypeittäin.Miehet olivat naisia useammin tyytyväisiä sekä apuvälineeseen että apuvälinepalveluihin. Sähköpyörätuolia käyttävät miehet olivat naisia useammin tyytyväisiä apuvälineen osien kiinnittämiseen ja säätämiseen, apuvälineen helppokäyttöisyyteen sekä tarkoituksenmukaisuuteen.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,241

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0540,020

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSTM:n Hallinnonalan avoin julkaisuarkisto (Julkari)Même sujetTopic ModelingTravaux en français237 207