Altavoz
|
Transcripción
|
| Nicolás Shelton |
Está bien, la grabación comenzó y voy a silenciar y luego, cuando estés listo, puedes comenzar bien, adelante. |
| |
Bueno. |
| Annie Weisbrod |
Hola a todos. Soy Annie Weisbrod. Estoy aquí con mis colegas, A Narayanan y Mark Bailey de Procter and Gamble. vamos a estar presentando. |
| |
Evaluación de un programa de meditación utilizando la plataforma JMP SEM. |
| |
Entonces, primero me gustaría comenzar explicando por qué estamos hablando de esto. |
| |
Así que P&G |
| |
prioridades, especialmente durante el período de tiempo de COVID, realmente nos hemos centrado en la salud de las personas. |
| |
Es un momento muy estresante por muchas razones debido a la pandemia, pero también áreas de disturbios civiles, cadenas de suministro cambiantes donde las cosas no están disponibles, |
| |
cambiando nuestros hábitos de vida, enfermedades, cuidando a los demás. Hay tantas formas en las que nuestras vidas han cambiado significativamente en los últimos |
| |
20 meses, dos años más o menos. Y, por lo tanto, proteger la salud y el bienestar de los empleados de P&G se ha convertido en una prioridad aún mayor durante estos tiempos. |
| |
Entonces, en lo que nos hemos estado enfocando es en cómo ayudar a las personas a cuidarse a sí mismas, física y mentalmente, mientras hacen su trabajo, |
| |
servir a los clientes, servir a los consumidores y también apoyar a las comunidades en las que vivimos. Contamos con programas internos y externos que educan y permiten a las personas practicar diferentes aspectos del bienestar, con la esperanza de ayudar a su salud. |
| |
Entonces, a medida que ocurrió la pandemia, tuvimos que cambiar la forma en que ofrecemos el apoyo tanto a las personas como a los departamentos. |
| |
Cada empleado tiene una situación diferente, |
| |
ya sea el tipo de trabajo que tienen para la empresa, el lugar en el que viven, o entornos personales relacionados con su salud o el cuidado de otros miembros de su familia. |
| |
Entonces, lo que he estado enseñando durante varios años es dar clases en persona en un sitio físico. La gente aparecía en la sala y yo compartía esa información sobre el estrés, la resiliencia y la meditación. Y todos nos hemos visto obligados a cambiar a la transmisión en vivo. |
| |
Y mi audiencia se ha vuelto global, ya que bastantes de nuestras audiencias tienen diferentes zonas horarias, diferentes idiomas. Y jugando con la técnica de transmisión en vivo, tal como lo estamos haciendo ahora para esta presentación. |
| |
Entonces, cuando hicimos esos cambios, teníamos curiosidad, ¿qué tan efectivos son estos programas de bienestar? ¿El contenido y este nuevo formato de transmisión global en vivo, cómo impacta eso en los principales dominios de salud mental y emocional para el bienestar? |
| |
Imparto un curso llamado Meditación Sin |
| |
Expectativas. Es un curso global de transmisión en vivo que dura ocho semanas. Nos reunimos una vez a la semana durante 45 minutos. |
| |
Es muy experiencial. Comienza con una breve introducción y luego hacemos prácticas para la mayor parte de esa clase. |
| |
Y luego se anima a los participantes a practicar cualquiera que sea ese enfoque durante el resto de la semana. El objetivo es que las personas se vuelvan más autosuficientes con su propia atención personal, |
| |
atención, enfoque, resiliencia, |
| |
empatía y también reducción del estrés, practicando estas habilidades durante este período de tiempo más largo. |
| |
Las prácticas se seleccionan para ayudarnos a aumentar nuestra conciencia sobre lo que sucede a nuestro alrededor, cómo nos sentimos, qué estamos pensando, |
| |
diferentes aspectos relacionados con el estrés y cómo podemos reducirlo, tener un enfoque diferente de esas experiencias y también mejorar la alegría. |
| |
Hacemos esto a través de varias prácticas diferentes relacionadas con la perspicacia, la disciplina y también la compasión. Entonces, de las ocho prácticas diferentes, tenemos varias que están relacionadas con simplemente estar aquí ahora. |
| |
Entonces, un ejemplo de eso sería una meditación de los cinco sentidos, donde |
| |
solo mira, solo escucha, solo |
| |
oler, solo saborear, |
| |
solo siente lo que está en la piel como un ejemplo de venir aquí justo ahora. También tenemos prácticas relacionadas con la introspección y la gratitud. |
| |
Lidiar con las distracciones, porque siempre nos distraemos. La mente simplemente hace lo suyo, y las prácticas de conteo, las prácticas de mantra son ejemplos de eso. También tenemos prácticas relacionadas con el corazón. |
| |
Así que estas prácticas muy antiguas, metta |
| |
y tonglen tienen miles de años y provienen de culturas en Asia, para practicar la bondad amorosa, preocuparse por los demás, dar y recibir. |
| |
Y luego, finalmente, este último de conciencia sin elección. |
| |
Solo ser. |
| |
Sin hacer nada, simplemente siendo. Muy popular entre Zen |
| |
practicantes, por ejemplo. Más de 1000 personas se inscribieron en estos cursos durante el año pasado. Alrededor del 50 % de las personas que se inscriben completan las ocho semanas completas y vamos a compartir algunas estadísticas. |
| |
demostrando lo que estas ofertas realmente ofrecen. |
| |
Encuestamos |
| |
Actitudes y comportamientos de los participantes antes y después del curso. Tenemos 45 preguntas diferentes, basadas en estándares médicos. |
| |
Las encuestas son voluntarias y anónimas, y estamos analizando básicamente estos cuatro cuestionarios estándar. El primero es un cuestionario de atención plena de cinco facetas. |
| |
También usamos el índice de reactividad interpersonal, que está relacionado con la empatía, por lo que la preocupación empática y la toma de perspectivas, diferentes perspectivas. |
| |
La escala de resiliencia al duelo y la escala de estrés percibido, que es en lo que nos vamos a centrar en la demostración de hoy. |
| |
Este es el más utilizado de los diferentes cuestionarios relacionados con cómo se sienten las personas con respecto al estrés, la tensión de las situaciones en las que se encuentran y cualquier |
| |
efectividad de las intervenciones para reducir el estrés, como este curso de meditación. Entonces, las declaraciones estándar, las preguntas que se hacen aprovechan cuán impredecible |
| |
la persona siente que su situación es controlable o no, y se siente sobrecargada, y luego, cuál es su nivel percibido de impotencia. |
| |
No hay nada que puedan hacer sobre la situación. |
| |
O su autoeficacia, qué tan seguros se sienten de que las cosas cambiarán y serán capaces de manejar el estrés. Así que nos vamos a centrar en dos de esas subescalas relacionadas con sentirse sobrecargado y sentirse descontrolado en esa situación. |
| |
Nos estamos enfocando en el estrés a propósito, no solo para la demostración, sino también para estos cursos, porque es uno de los principales factores de estilo de vida de riesgo en el mundo de hoy. |
| |
Muchas organizaciones están desarrollando programas integrados de bienestar para responder a los diferentes informes que están saliendo por todas partes. La Organización Mundial de la Salud, durante más de la última década, ha identificado que el estrés crónico o no resuelto es el principal factor de riesgo del estilo de vida, superando |
| |
la obesidad y la falta de actividad física, que más contribuye a las enfermedades crónicas físicas y mentales en todo el mundo. |
| |
Asi que |
| |
la buena noticia, breve resumen de los resultados, es que durante este lapso de tiempo de ocho semanas, vemos aumentos notables. |
| |
Cuando observamos por primera vez los datos que ingresan, solo los medios simples de lo que vemos aquí, vemos aumentos notables en la atención plena, |
| |
empatía, resiliencia y también claras reducciones en cómo las personas perciben el estrés. Así que eso es genial y estábamos interesados en realizar una investigación más profunda sobre esto, así que contacté a mi socio en estadísticas que compartirá con ustedes |
| |
algunos de los resultados de la encuesta de las respuestas pareadas previas y posteriores. Entonces él se hará cargo ahora y les mostrará algo de esta funcionalidad de JMP en lo que ha estado trabajando con estas respuestas que tenemos de las encuestas. |
| UN |
Gracias, Annie. |
| |
¿Están viendo mi pantalla? No soy capaz de. |
| |
Hola chicos, necesito tomarme un tiempo y no sé, las cosas no están funcionando aquí. |
| |
Gracias, Annie. Hola a todos. Mi nombre es Narayanan. |
| |
Formo parte del departamento de estadísticas y modelos de consumo avanzados de P&G. Lo que quiero hacer hoy es compartir los detalles del análisis de los datos que |
| |
vino del programa que Annie acaba de describir. Así que mi agenda va a consistir en tres temas. Voy a hablar sobre la optimización del modelo factorial, luego voy a hablar sobre el análisis factorial confirmatorio de la |
| |
modelo factorial optimizado. Luego, finalmente, voy a discutir la invariancia de la medición longitudinal. Esto es importante porque queremos medir el cambio en el tiempo, del curso de los medios latentes. Así que saltemos directamente al primer tema. |
| |
Y la optimización del modelo de factores, ¿por qué estamos haciendo esto? La razón... hay dos razones por las que quiero hacer esto. Primero las 10 preguntas que mencionó Annie |
| |
realmente no están optimizados para las dos construcciones que nos interesa medir. |
| |
Y también, tenemos un tamaño de muestra pequeño y queremos asegurarnos de que no tengamos demasiadas preguntas antes y después. |
| |
Esas son las dos razones por las que estamos haciendo la optimización del modelo factorial. Y para hacer eso, me basaré en dos ideas de la teoría clásica de las pruebas. |
| |
Uno es la confiabilidad. La confiabilidad se refiere realmente a la consistencia de la medición. Queremos asegurarnos de que los elementos dentro de una construcción midan lo mismo. Y hay muchas medidas diferentes de confiabilidad. El que voy a usar aquí es el |
| |
coeficiente de fiabilidad o alfa de Cronbach. Puedes ver la fórmula allí. Y una de las razones por las que estoy usando esto es porque está disponible en la plataforma multivariada en JMP usando la opción de confiabilidad del elemento. |
| |
Ahora uno |
| |
El inconveniente de esta medida es que supone que todas las variables o elementos son igualmente fiables. |
| |
Y sabemos que algunos elementos no tienen la misma confiabilidad que otros, y en ese caso podríamos usar el extractor de varianza promedio. |
| |
¿Qué es eso? Para explicar eso, voy a usar el diagrama de ruta aquí del modelo de factor confirmatorio. Hay tres componentes aquí que quiero describir. |
| |
La de arriba, que en realidad está encerrada en un círculo, es la variable latente. |
| |
Luego, uno en la parte inferior, que está encerrado en un rectángulo, está el indicador. Y en este ejemplo, hay cuatro indicadores que son preguntas tan grandes que aprovechan esta variable latente. |
| |
Luego hay cuatro variables Lambda, que en realidad son las cargas factoriales que dan la fuerza de cada indicador. |
| |
aprovechando la construcción. Entonces, la varianza promedio extraída es una función de las Lambdas y la |
| |
varianzas de los errores, que están en la parte inferior. El delta está en la parte inferior. Aquí están los errores |
| |
componentes Y por simplicidad, los consideraremos como errores de medición, y la varianza de esos errores también se incluirán en el cálculo de las calificaciones promedio extraídas. |
| |
Si observa la fórmula, si no hay variaciones de error en la parte inferior, el valor máximo será 1 y eso es lo que queremos. |
| |
Asi que |
| |
otro ítem que también es útil para medir la confiabilidad es la confiabilidad del ítem, que en realidad no es más que los cuadrados R individuales de cada una de estas regresiones del indicador sobre la variable latente. Y lo veremos cuando entremos en JMP. |
| |
El segundo concepto de la teoría clásica de las pruebas que es importante es la validez. La validez se refiere a si la variable mide lo que se supone que debe medir. Y de nuevo aquí, hay muchos diferentes |
| |
versiones de validez. En lo que me voy a centrar es en la validez discriminatoria, que tiene que ver con si los constructos que estás midiendo son únicos y distintos. |
| |
Bien, con esos dos conceptos, en realidad voy a entrar en JMP y mostrar algunos de los detalles del modelado que hicimos. Voy a comenzar con un análisis factorial exploratorio de las 10 preguntas |
| |
relacionados con el dominio del estrés. Ahora en todo mi análisis, voy a |
| |
mostrar los resultados del anlisis. No voy a guiarlo paso a paso, señalar y hacer clic, porque llevará mucho tiempo y están bien documentados en JMP. |
| |
el grande, al que llamamos como el |
| |
componente sobrecargado, y el más pequeño con tres elementos, lo llamamos incontrolable. Este es un análisis factorial exploratorio, que parece respaldar dos factores. |
| |
Y queremos confirmar que, de hecho, es cierto en nuestros datos, y los datos lo respaldarán. Así que voy a lanzar el análisis factorial confirmatorio de las mismas 10 preguntas. |
| |
Y podemos ver que el componente sobrecargado está conectado a siete indicadores y el componente incontrolable está conectado a tres indicadores. |
| |
Queremos ver qué tan bien estos datos... qué tan bien este modelo se ajusta a los datos. Y podemos ver, mirando el Chi cuadrado de... Chi cuadrado es 44 a 34 grados de libertad y no es significativo, por lo que este modelo está respaldado por los datos. |
| |
Y algo más que queremos ver en la parte inferior es la matriz de validez de constructo que estaba mencionando. |
| |
La diagonal de esta matriz da la varianza media extraída. Y podemos ver que la varianza del factor incontrolable es bastante alta y la varianza del factor sobrecargado es realmente baja. |
| |
El elemento ortogonal te dice la cantidad de varianza que cada uno de los factores comparte con el otro factor. Y para el factor sobrecargado, la varianza que este |
| |
las acciones del factor con incontrolable es, de hecho, mayor que la varianza que comparte con sus propios indicadores, como se muestra en la diagonal. Y esta no es una estructura factorial optimizada que queremos. |
| |
Y también, si vas y miras el |
| |
diagrama de ruta con las estimaciones, puede, de hecho, ver |
| |
la fiabilidad de los elementos individuales, que se muestran aquí en el |
| |
rectángulos aquí. y puedes ver |
| |
los siete indicadores que se conectan al componente del factor sobrecargado tienen diferente confiabilidad de los ítems, que van desde .277 a .551. |
| |
Y queremos elegir algunos que son |
| |
teniendo alta confiabilidad. |
| |
Así que vamos a usar estos conceptos de confiabilidad de ítems, |
| |
discriminar la validez para, de hecho, optimizar nuestro factor. |
| |
Y voy a volver atrás y mirar |
| |
todas estas métricas reunidas en una tabla. |
| |
Y esta tabla tiene el alfa de Cronbach en estas dos columnas, también tiene el cambio en el alfa de Cronbach cuando se elimina un elemento |
| |
del alfa de Cronbach de todo el compuesto, y además tiene la confiabilidad del ítem en la última columna. Entonces, una forma de ver esta matriz de números y optimizar su factor es elegir elementos con alta confiabilidad, que probablemente sean los tres primeros. |
| |
Ahora, en esta situación particular, también me gusta usar |
| |
la |
| |
Alfa de Cronbach cuando se elimina el elemento. Y si miras el tercer elemento, |
| |
a pesar de que ese artículo tiene la tercera más alta |
| |
confiabilidad del ítem, cuando miramos esta columna, la llamo alfa delta, |
| |
que es el cambio en la confiabilidad de todo el compuesto cuando se elimina el elemento. Ahí, de hecho, hay un gran cambio para el tercer ítem, y por esa razón, no elegí este ítem, y de hecho, elegí uno justo debajo. |
| |
Entonces, para la solución factorial optimizada, elegiré los dos elementos principales del primer factor y el quinto elemento, y luego para el segundo factor, incontrolable, elegiré los dos elementos principales, porque el tercer elemento tiene una fiabilidad de ítem muy baja. |
| |
Entonces, teniendo |
| |
optimizó la solución factorial de 10 preguntas a cinco, |
| |
Voy a confirmar esa solución de factor optimizado y ver cómo nos va en términos de todas las métricas que acabamos de discutir. |
| |
Así que aquí está la solución factorial optimizada, el factor de orden tiene tres indicadores, los factores incontrolables, dos indicadores, y de nuevo nuestro modelo se ajusta mucho mejor a los datos, Chi cuadrado de 2, 4 grados de libertad y el valor de Chi cuadrado no se rechaza. |
| |
Luego bajamos |
| |
y mira la validez discriminada. Ahora, con la solución de factores optimizados, puede ver que la varianza de la sobrecarga de hecho ha aumentado |
| |
y la varianza que comparte con incontrolable ha disminuido. Entonces, el valor ortoginal es más pequeño que los valores en la diagonal, y esto es exactamente lo que queremos respaldar. |
| |
discriminar la validez. Entonces, al optimizar la solución, hemos logrado la validez discriminatoria y también hemos obtenido un modelo mejor que el que teníamos con las 10 preguntas originales. |
| |
Bien, hemos optimizado nuestra solución factorial. |
| |
El siguiente paso es hacer la invariancia del modelo de medida. |
| |
Recordemos dónde estamos. Hemos visto muchas tablas y análisis diferentes. Tenemos |
| |
empatía, estrés, resiliencia y atención plena. |
| |
Y nos vamos a concentrar sólo en el estrés. La pregunta principal que queremos responder aquí es si hay una mejora en las puntuaciones medias de las variables latentes. |
| |
desde el pre al post durante el programa de ocho semanas? |
| |
Y para establecer eso, primero tenemos que mostrar la invariancia de medición longitudinal. |
| |
¿Qué es eso? De hecho, recientemente me enteré de esto, y permítanme agregar un complemento aquí para un excelente artículo escrito por los desarrolladores de JMP, Laura Schilo y Paul Russo. |
| |
en el número actual de Structural Equation Modeling, donde detallan todas las diferentes capacidades de JMP, incluida la invariancia de medición longitudinal. |
| |
La idea de la invariancia de la medición longitudinal consiste en asegurarse de que el significado de la variable latente no haya cambiado con el tiempo. |
| |
Antes de que podamos calcular el cambio medio en las variables latentes, queremos asegurarnos de que estamos midiendo lo mismo al principio y al final. Entonces, para establecer eso, hay cuatro pasos. |
| |
Estos son en realidad cuatro modelos diferentes. El primero es un modelo configuracional con la menor cantidad de restricciones con el mismo número de factores y patrón de carga. |
| |
El segundo es un modelo de invariancia débil, donde agregamos algunas restricciones más. Aprietamos los tornillos un poco más y hacemos la pregunta, ¿este modelo todavía es compatible? |
| |
Y luego apretamos los tornillos un poco más y decimos además de esto, ¿qué pasa si impongo la calidad de las intercepciones de artículos? Entonces finalmente, |
| |
el último hilo en el tornillo, ¿qué pasa si agregamos variaciones de elementos y ponemos una calidad de esos en los dos puntos de tiempo? |
| |
Entonces, los detalles de cómo hacer esto paso a paso, se incluyen en ese artículo que acabo de mencionar. Solo voy a mostrar los resultados aquí. |
| |
Ups. |
| |
entonces en esto |
| |
diagrama de ruta, estoy mostrando |
| |
los dos factores, sobrecargados e incontrolables, tanto en la etapa previa a la encuesta como en la etapa posterior a la encuesta. Entonces tenemos el pre sobrecargado, el pre incontrolable y lo mismo para el post. |
| |
La sobrecarga se explica por tres elementos y la incontrolable se relaciona con dos elementos. Ahora las letras aquí son las diferentes |
| |
restricciones que se han impuesto a un modelo. Por ejemplo, C3 |
| |
del sobrecargado al ítem "se sintió nervioso y estresado" para el pre |
| |
está restringido a ser igual al mismo elemento en la publicación. Y esto es parte de las restricciones que estamos poniendo en el modelo para asegurarnos de que las restricciones sean compatibles. |
| |
Entonces, las letras indican las diferentes restricciones que se han impuesto a un modelo y estas estimaciones se igualan. Similarmente, |
| |
las intersecciones de los elementos equivalentes también se igualan, |
| |
que se indican por |
| |
UNA. |
