GAINS问卷心理测量分析原始数据
16条目GAINS问卷旨在测量健康信息寻求的个体目标，包含“理解”“行动规划”“希望”和“安心”四个量表，并测量总体健康信息需求（以各量表均分计算）
基本信息
资源简介
GAINS问卷心理测量分析原始数据
该数据集为一项心理测量学研究的原始数据，对应一份用于测量健康信息寻求目标的问卷（GAINS）。GAINS问卷共16个条目，围绕“理解”“行动规划”“希望”和“安心”四个量表测量个体寻求健康信息的目标，并通过计算各量表均分得到总体健康信息需求得分。该问卷此前已在两个大型学生样本中、借助虚构健康问题情境完成验证；本研究则进一步考察该工具能否应用于存在真实健康问题及相应信息需求的一般人群，分析基础条目特征与量表内部一致性，并在相关样本中复核问卷的因子结构以验证其结构效度。数据集收录于症状、体征与临床所见之下的“其他”类别，来源为psycharchives.org。
【数据集背景】
GAINS问卷的开发目的在于测量个体寻求健康信息时所追求的目标，而非仅测量信息寻求行为本身。问卷由16个条目构成，分属“理解”“行动规划”“希望”和“安心”四个量表，并在此基础上计算总体健康信息需求得分，即各量表得分的均值。该工具此前已在两个大型学生样本中、以虚构健康问题情境为背景完成验证。既有验证基础之上，本研究关注该问卷在一般人群中的适用性，对象为存在真实健康问题并由此产生信息需求的个体，这一人群与既往学生样本在情境真实性和信息需求强度上存在差异，因而需要重新检验其测量学表现。
【数据内容】
该数据集为上述心理测量学研究的原始数据。研究围绕两类分析目标组织数据内容：其一为基础条目特征分析，包括条目难度、方差与区分度，以及各量表的内部一致性（Cronbach´s Alpha）；其二为因子结构复核，即在相关样本中重现GAINS问卷所提出的因子结构，从而对该结构进行验证。问卷的测量内容涵盖四个目标量表及总体健康信息需求得分。源站未提供原始数据的具体变量清单、样本量、条目文本及文件格式等细节。
【采集与来源】
数据来源于psycharchives.org，对应一项以一般人群中存在真实健康问题及相应信息需求的个体为对象的研究。该研究的样本不同于此前用于问卷验证的两个大型学生样本，其健康问题情境为真实而非虚构。源站未提供具体的招募方式、采集时间、采集地点、样本构成及施测流程等信息。
【适用场景】
该数据集适用于与GAINS问卷测量学性能相关的分析场景，包括考察16个条目的难度、方差和区分度，评估四个量表及总体健康信息需求得分的内部一致性，以及在真实健康问题人群中检验问卷的因子结构。对于关注健康信息寻求目标测量工具从学生样本向一般人群推广的研究者，该数据可用于结构验证与信效度评估。源站未提供其他适用场景。
【使用方法】
源站未提供。
【质量与限制】
该研究的分析目标包括基础条目特征与内部一致性检验，以及在相关样本中复核因子结构，这些分析本身构成对问卷测量质量的考察内容。源站未提供样本量、缺失情况、数据清洗规则及已知局限等具体信息。
【引用与许可】
源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://psycharchives.org/handle/20.500.12034/2382
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
16项GAINS问卷旨在通过“理解”、“行动计划”、“希望”和“安心”四个量表测量个体寻求健康信息的目标，并通过计算各量表得分的平均值来衡量对健康信息的总体需求。鉴于该问卷已在两个大型学生样本中使用虚构健康问题情景进行了验证，本研究旨在确定该工具是否也可应用于普通人群中具有真实健康问题及由此产生信息需求的个体。首先，我们的目标是分析基本条目特征（难度、方差和区分度）以及各量表的内部一致性（Cronbach’s Alpha）。其次，我们旨在在相关样本中复制GAINS问卷所提出的因子结构，从而验证其结构。
根据我们初步验证的理论假设，我们预期一个包含五个潜在变量的验证性因子模型（四个一阶因子代表GAINS测量的四个目标，一个二阶因子代表对健康信息的一般需求）将呈现出良好的拟合度。我们还将考察GAINS量表与相关构念的法则关系，以分析构念效度。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
