Validation d’une version réduite de l’Échelle de provisions sociales au moyen de données d’enquêtes nationales canadiennes
Bibliographic record
Abstract
Introduction L’Échelle de provisions sociales à 10 items (SPS-10) a été mise en oeuvre dans un certain nombre d’enquêtes nationales canadiennes pour évaluer le soutien social. L’objectif de notre étude était de réduire l’échelle SPS-10 à une échelle à 5 items (SPS-5) tout en conservant des propriétés de mesure adéquates. Méthodologie Nous avons analysé les données fournies par les personnes de 18 ans et plus ayant répondu aux questions du module utilisant l’Échelle de provisions sociales dans le cadre du cycle thématique sur la santé mentale de l’Enquête sur la santé dans les collectivités canadiennes de 2012 (ESCC-SM 2012) et du cycle annuel de l’Enquête sur la santé dans les collectivités canadiennes de 2017 (ESCC 2017). Pour choisir les items, nous avons effectué une analyse factorielle exploratoire et une corrélation item-total sur les données du cycle SM ESCC 2012. Nous avons utilisé une analyse de corrélation entre l’échelle SPS-5, l’échelle SPS-10 et les construits de santé mentale positive (SMP) correspondants pour évaluer la validité critérielle de l’échelle SPS-5 par rapport à l’échelle SPS-10. Nous avons effectué une analyse factorielle confirmatoire à partir des données du cycle ESCC 2017 afin de confirmer la structure des facteurs de l’échelle SPS‑5. Résultats L’échelle SPS-5 présente une cohérence interne élevée (indice alpha de Cronbach de 0,88) et des corrélations avec les construits de SMP correspondants semblables à celles de l’échelle SPS-10. Les échelles SPS-5 et SPS-10 se sont aussi avérées très fortement corrélées (r = 0,97). L’analyse factorielle confirmatoire indique que le modèle à un seul facteur par provision, c’est-à-dire la SPS-5, est bien ajusté aux données. Les échelles SPS-5 et SPS-10 produisent des estimations similaires d’un soutien social élevé, de respectivement 92,7 et 91,5 %. Conclusion La nouvelle échelle SPS-5 offre des propriétés de mesure adéquates et fonctionne de façon semblable à l’échelle SPS-10, étayant l’utilisation de cette version réduite. Elle constitue une solution de remplacement valide et utilisable de l’échelle SPS-10, ce qui pourrait alléger la tâche des participants aux enquêtes nationales sur la santé.
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 | 0.084 | 0.242 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".