Notice bibliographique
Résumé
The ability to design studies that are free from confounded variables is an acquired skill that separates the true psychological scientist from a layperson. The latter might be quite capable of generating interesting questions that could be addressed by psychological research; turning these questions into a study that cleanly tests the hypotheses, however, can be quite a challenge. It is this topic that the present chapter addresses. Consider the fundamental goal of psychological research: to discover the causes and consequences of behavior. The only way to make such discoveries is to be able to examine data from a study that is free from alternative explanations. Such alternative explanations most often arise when an experiment contains confounded variables . Confounded variables involve the “simultaneous variation of a second variable with an independent variable of interest so that any effect on the dependent variable cannot be attributed with certainty to the independent variable” (Elmes, Kantowitz, & Roediger, 2003, p. 436). A well-designed study is one in which the researcher has carefully considered potential alternative explanations and designed the study so that these alternative explanations are no longer viable. Psychological research can be categorized into two broad classes: experimental studies and correlational studies. In the former case, the researcher manipulates the variable of interest (the independent variable) and observes its effects on the dependent variable. The latter involves examining variation that occurs naturally (e.g., the variation between emotional awareness and happiness) and attempts to draw conclusions regarding this relationship.
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 | 0,339 | 0,527 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».