Avaliação psicométrica do Intersectional Discrimination Index para uso no Brasil
Notice bibliographique
Résumé
This cross-sectional study evaluated the configural and metric structures of the Intersectional Discrimination Index (InDI), an instrument that measures anticipated (InDI-A), dat-to-day (InDI-D), and major (InDI-M) discrimination. Data from a broader study, focused on the impacts of discrimination on the mental health of women living in Brazil, were used. Approximately 1,000 women, selected according to a convenience sampling scheme, answered the InDI and questions about sociodemographic characteristics in an electronic form that was administered in 2021. Exploratory factor analyses and exploratory structural equation modeling were applied to the first half of the sample; for the second, confirmatory factor analysis was conducted. Taken together, the findings suggest that each of the three measures is one-dimensional. However, unlike the study that originally proposed the InDI for use in Canada and the United States, we observed the presence of residual correlations in the three subscales evaluated, all of which were suggestive of content redundancy between specific pairs of items. The three measures showed moderate to strong factor loadings and acceptable fit to the data. InDI exhibited reasonable internal validity, potentially becoming a valuable instrument for investigating the health effects of intersectional discrimination in Brazil. Future studies should evaluate the consistency of these findings, examine the scalar structure of the instrument, and analyze its invariance among different marginalized groups.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».