Az intervenciók hatásosságát vizsgáló Egészségműveltséget Mérő Calgaryi Charta Kérdőív magyar nyelvű validálása
Bibliographic record
Abstract
Bevezetés: A hazai lakosság jelentős részének egészségműveltsége elmarad a kívánatostól, ezért annak javítására intervenciók szükségesek. Ugyan több magyar nyelven validált kérdőívvel is mérhetjük az egészségműveltség szintjét, ám ezek egyike sem alkalmas kifejezetten az intervenciók hatásosságának mérésére. Ezért olyan, nemzetközi kutatásban is alkalmazott mérőeszköz validálását kívántuk magyar nyelven elvégezni, mely az egészségműveltség javítását célzó intervenciókban képes az egészségműveltség szintjében bekövetkezett változás mérésére. Ehhez irodalmi adatok alapján az „Egészségműveltséget Mérő Calgaryi Charta Kérdőív”-et (Calgary Charter on Health Literacy Scale) tartottuk megfelelőnek, mely angol és spanyol nyelven elérhető. Módszertan: Keresztmetszeti vizsgálatot végeztünk országos, reprezentatív mintán. Felmérésünkbe 18 éven felüli önkéntes válaszadókat vontunk be. Az adatfelvétel a Covid–19-világjárvány miatt számítógéppel segített telefonos kérdezés módszerével történt 2020 decemberében. Az adatok leíró elemzése, valamint a kérdőív megbízhatóságának és validitásának elemzése Cronbach-alfa, Spearman–Brown és korrigált item-totál korrelációs együtthatók és feltáró faktorelemzés segítségével történt. Eredmények: Vizsgálatunk 1 152 fő részvételével zajlott, a válaszadók 47,5%-a férfi, 52,5%-a nő volt. A kitöltők 18,5%-a 18 és 34 év közötti, 52,7%-a 35 és 64 év közötti, illetve 28,8%-a 65 éves és annál idősebb volt. A kérdőív belső konzisztenciáját mérő Cronbach-alfa értéke (0,64) az elfogadhatóság határán mozog, a Spearman–Brown korrelációs együttható értéke (0,66) közepesként értelmezhető. A korrigált item-korrelációs vizsgálat eredményeként kapott korrelációs együtthatók értéke a teljes mintára vetítve magasabbak, mint az elfogadhatónak tekintett 0,3. A feltáró faktorelemzés eredménye szerint a mérőeszköz kérdései egy faktor köré rendeződnek. Következtetések: A felmérésünk során kapott Cronbach-alfa értéke alacsonyabb, mint az eredeti kérdőívé (0,80), ennek oka azonban az adatfelvétel eltérő módjában is kereshető. Emiatt érdemesnek találjuk egy ismételt, személyes adatfelvétellel egybekötött vizsgálat elvégzését, melyhez jelen kutatás tapasztalatai is felhasználhatóak.
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 | 0.027 | 0.070 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.029 | 0.007 |
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".