L’impact de la formulation des items dans les questionnaires d’enquête
Bibliographic record
Abstract
Les enquêtes par questionnaire auto-administré sont un des principaux instruments de cueillette de données utilisés par les chercheurs en éducation et en sciences sociales en général. Or, il peut être difficile de créer une question qui sera interprétée de la même façon par tous les répondants et qui répondra ainsi aux objectifs des chercheurs. Un changement de mots peut avoir un impact sur la signification d’un item, mais il est aussi possible qu’il n’y ait pas d’impact ; tout dépend du changement apporté. Par ailleurs, depuis les premières études portant sur la formulation des items dans les enquêtes par questionnaire, de nouveaux modèles de mesure ont été élaborés. C’est le cas, notamment, de la famille des modèles de Rasch. L’objectif de cet article est d’illustrer comment les développements entourant un modèle de mesure de la famille des modèles de Rasch, notamment le modèle polytomique de Andrich, peuvent être mis à contribution pour étudier la portée relative de la formulation des items sur les réponses obtenues à l’aide de questionnaires d’enquête.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.238 | 0.449 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".