A verdade está lá fora: Adaptação e avaliação das propriedades psicométricas da Escala Genérica de Crenças Conspiratórias (EGCC-Br)
Bibliographic record
Abstract
Teorias conspiratórias geralmente apresentam perguntas irrespondíveis e são, em última instância, irrefutáveis. Tais crenças possuem implicações em diversos contextos em que são necessárias tomadas de decisões. Para tanto, torna-se necessário desenvolver ou adaptar medidas que auxiliem a identificação de tais crenças. Assim, este estudo propôs a adaptação da Escala Genérica sobre Crenças Conspiratórias. No primeiro estudo foi realizada a tradução e retradução do instrumento por especialistas na língua inglesa. Logo, ambas as traduções foram submetidas à análise de dois juízes para verificar a qualidade e adequação à versão original. Após ajustes, a escala foi submetida à outra análise de juízes de forma a verificar a coerência semântica e a adequação categórica dos itens. A concordância das categorias para cada item entre os juízes foi satisfatória (índice kappa de 0,75). Para o segundo estudo, buscou-se averiguar as propriedades psicométricas do instrumento (N = 138). Os resultados da análise fatorial confirmatória atestaram uma nova estrutura fatorial para o modelo. Por fim, os autores sugerem tanto novos estudos para identificação de evidências de validade da adaptação quanto aplicações e intervenções, com uso da escala em futuras políticas públicas.
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 | 0.011 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".