Avaliação psicométrica do Intersectional Discrimination Index para uso no Brasil
Bibliographic record
Abstract
Resumo: Este estudo transversal avaliou as estruturas configural e métrica do Intersectional Discrimination Index (InDI), um instrumento que afere discriminação antecipada (InDI-A), cotidiana (InDI-D) e maior (InDI-M). Dados de uma pesquisa mais ampla, voltada para os impactos da discriminação na saúde mental de mulheres residentes no Brasil, foram utilizados. Aproximadamente mil mulheres, selecionadas por conveniência, responderam ao InDI e a perguntas sobre características sociodemográficas em formulário eletrônico, aplicado em 2021. Enquanto na primeira metade da amostra foram realizadas análises fatoriais exploratórias e executada modelagem por equações estruturais exploratórias, na segunda foi conduzida análise fatorial confirmatória. Em conjunto, os achados sugerem que cada uma das três medidas é unidimensional. No entanto, diferentemente do estudo que originalmente propôs o InDI para uso no Canadá e nos Estados Unidos, observamos a presença de correlações residuais nas três subescalas avaliadas, todas elas sugestivas de redundância de conteúdo entre pares específicos de itens. As três medidas apresentaram cargas fatoriais moderadas a fortes e índices aceitáveis de ajuste. O InDI exibiu indicadores de validade interna razoáveis, potencialmente se tornando um valioso instrumento para a investigação dos efeitos para a saúde da discriminação interseccional no Brasil. Estudos futuros devem avaliar a consistência desses achados, examinar a estrutura escalar do instrumento e analisar sua invariância entre diferentes grupos marginalizados.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.016 |
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; both teacher heads 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".