Psychometric Properties of a Self-Administered Untimed Scrambled Sentences Task Without Cognitive Load
Notice bibliographique
Résumé
An abundance of research has shown that interpretation bias (IB), a tendency to interpret ambiguous stimuli in a negative or threatening manner, can be a risk factor for developing a myriad of psychiatric disorders (For a review, see Würtz et al., 2023). One of the most widely used measures for IB is the Scrambled Sentences Task (SST; Wenzlaff & Bates, 1998). In the SST, participants are shown a set of ‘scrambled’ words, each of which can be rearranged into either a negative or positive grammatically correct sentence. SST is an effective method of measuring IB because of its task-based nature, which can offset response biases and demand effects that often come with self-report measures. Traditionally, SST is administered with time limits (i.e., limited time per trial to read and form a sentence) as well as a concurrent cognitive load (e.g., retaining a 6-digit number in mind), to prevent deliberate processing and allow automatic IB to be detected (For a review, see Würtz et al., 2022). Furthermore, researchers often induce a negative mood prior to SST, as it has been argued that negative mood activates otherwise dormant biases (Beck,2008). However, a small body of research suggests that the magnitude of convergent validity is comparable between conditions with and without cognitive load (e.g., Geiger et al., 2014), though the role of time limit is relatively poorly understood. This gap is important as programming and administering IB with time limits, cognitive load, and experimenter supervision can be time and resource intensive. If an un-timed, self-administered SST without cognitive load demonstrates acceptable psychometric properties, it could offer an accessible method for measuring IB for both researchers and participants. Thus, the current study aims to address this gap by reporting the psychometric properties of an untimed, self-administered SST without cognitive load and without a mood induction task by examining its reliability and validity.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».