La interfaz de búsqueda se compone de tres secciones: Buscar, Explorar, and Resultados. Estas son descritas en detalle seguidamente.
Puede comenzar a buscar desde la sección Buscar o desde la sección Explorar.
Buscar
Esta sección muestra sus criterios de búsqueda actuales y le permite enviar palabras clave para buscar en la bibliografía.
Cada nuevo envío agrega las palabras clave introducidas a la lista de criterios de búsqueda.
Para iniciar una nueva búsqueda en lugar de agregar palabras clave a la búsqueda actual, use el botón Restablecer búsqueda y luego introduzca sus nuevas palabras clave.
Para reemplazar una palabra clave ya enviada, primero elimínela desmarcando su casilla de verificación y luego envíe una nueva palabra clave.
Puedes controlar el alcance de su búsqueda seleccionando dónde buscar. Las opciones son:
En todas partes: Busca tus palabras clave en todos los campos del registro bibliográfico y en el contenido textual de los documentos disponibles.
En autores o colaboradores: Busque sus palabras clave en nombres de autores o colaboradores.
En títulos: Busca tus palabras clave en títulos.
In publication years: Search a specific publication year (you may use the OR operator with your keywords to find records having different publication years, e.g., 2020 OR 2021).
En todos los campos: Busca tus palabras clave en todos los campos del registro bibliográfico.
En documentos: Busca tus palabras clave en el contenido textual de los documentos disponibles.
Puede utilizar operadores booleanos con sus palabras clave. Por ejemplo:
AND: Busca entradas que contienen todos los términos especificados. Esta es la relación por defecto entre los términos cuando no hay operador especificado, por ejemplo: a b es lo mismo que a AND b.
OR: Busca entradas que contengan cualquiera de los términos especificados, por ejemplo, a OR b.
NOT: Excluye entradas que contienen los términos especificados, por ejemplo, NOT a.
Los operadores booleanos deben introducirse en MAYÚSCULAS.
Puede utilizar agrupaciones lógicas (con paréntesis) para eliminar ambigüedades cuando utilice múltiples operadores booleanos, por ejemplo: (a OR b) AND c.
Es posible que necesite secuencias exactas de ""palabras (con comillas dobles), por ejemplo: "a b c". La diferencia predeterminada entre las posiciones de las palabras es 1, lo que significa que una entrada coincidirá si contiene las palabras subsiguientes , pero se puede especificar una distancia máxima diferente (con el carácter de la tilde), por ejemplo: "búsqueda web"~2 permite hasta 1 palabra entre búsqueda y web, lo que significa que podría coincidir con búsqueda de sitio web así como búsqueda web.
Puedes especificar que algunas palabras son más importantes que otras (con el acento circunflejo), por ejemplo: navegación^0.5 de búsqueda por facetas^2 especifica que facetas es dos veces más importante que búsqueda cuando se calcula la puntuación de relevancia de los resultados, mientras navegación es la mitad de importante. Dicho término de reforzamiento puede aplicarse a una agrupación lógica, Por ejemplo: (a b)^3 c.
La búsqueda de palabras clave no distingue entre mayúsculas y minúsculas, los acentos se doblan y se ignora la puntuación.
La derivación se realiza en términos de la mayoría de los campos de texto, por ejemplo: título, resumen, notas. De este modo, las palabras se reducen a su forma raíz, lo que le evita tener que especificar todas las variantes de una palabra en la búsqueda, por ejemplo: términos como búsqueda, búsquedas y buscar todos ellos producen los mismos resultados. La derivación no se aplica al texto en los campos de nombre, por ejemplo: autores/colaboradores, editor, publicación.
Explorar
Esta sección le permite explorar categorías asociadas con las referencias.
Las categorías se pueden utilizar para filtrar su búsqueda. Marque una categoría para agregarla a sus criterios de búsqueda y limite su búsqueda. Los resultados de su búsqueda solo mostrarán las entradas asociadas a esa categoría.
Desmarque una categoría para eliminarla de sus criterios de búsqueda y así ampliar sus resultados de búsqueda.
Los números que se muestran junto a las categorías indican cuántas entradas están asociadas con cada categoría en el conjunto actual de resultados. Esos números variarán según sus criterios de búsqueda para describir siempre el conjunto actual de resultados. Del mismo modo, las categorías y facetas completas desaparecerán cuando el conjunto de resultados no tiene ninguna entrada asociada.
Un icono de flecha () que aparece junto a una categoría indica que hay subcategorías disponibles. Puede presionarlo para expandir una lista de categorías más específicas. Puede presionarlo nuevamente más tarde para contraer la lista. Expandir o contraer subcategorías no cambiará su búsqueda actual; esto le permite explorar rápidamente una jerarquía de categorías si se desea.
Resultados
Esta sección muestra los resultados de la búsqueda. Cuando no se ha especificado ningún criterio de búsqueda, muestra el contenido completo de la bibliografía (hasta 20 entradas por página).
Cada entrada del listado de resultados es un enlace a su registro bibliográfico completo. Desde la vista de registro bibliográfico se puede continuar explorando la búsqueda de resultados yendo a registros anteriores o siguientes en sus resultados de búsqueda, o puede volver al listado de resultados.
Enlaces adicionales, como Leer documento o Ver en [nombre del sitio web], pueden aparecer debajo de un resultado. Estos le brindan acceso rápido al recurso. Esos enlaces también estarán disponibles en su versión completa del registro bibliográfico.
El botón Resúmenes le permite alternar la visualización de resúmenes dentro de la lista de resultados de búsqueda. Sin embargo, habilitando resúmenes, no tendrá ningún efecto sobre los resultados para los cuales no hay ningún resumen disponible.
Se proporcionan varias opciones para permitirle ordenar los resultados de la búsqueda. Una de ellas es la opción Relevancia, que clasifica los resultados de más relevante a menos relevante. La puntuación utilizada para la clasificación tiene en cuenta tanto las frecuencias de las palabras así como los campos donde aparecen. Por ejemplo, si un término de búsqueda aparece con frecuencia en una entrada o es uno de los pocos términos utilizados en esa entrada, esa entrada probablemente tendrá una clasificación más alta que otra en la que el término de búsqueda aparece con menos frecuencia o donde también aparecen muchas otras palabras. Asimismo, un término de búsqueda tendrá más efecto en las puntuaciones si es poco común en toda la bibliografía que si es muy común. Además, si un término de búsqueda aparece, por ejemplo, en el título de una entrada, tendrá más efecto en puntuación de esa entrada que si apareciera en un campo menos importante como el resumen.
La clasificación por Relevancia solo está disponible después de que se hayan enviado las palabras clave mediante la sección Buscar.
Las categorías seleccionadas en la sección Explorar no tienen ningún efecto en la puntuación de relevancia. Su único efecto es filtrar la lista de resultados
The history of hierarchical linear models generally traces its roots back to the work of Robinson (1950) in recognizing contextual effects. The discovery that Robinson made is sometimes thought of as the “frog pond” theory and is fairly simple to relate. Suppose that a researcher was conducting an analysis on environmental factors affecting the weight of frogs. And also suppose that two of the frogs being analyzed both weighed 500 grams. However, the first frog that weighed 500 grams was drawn from a pond where it was the largest frog in the pond. The second frog that weighed 500 grams was drawn from a lake where 500 grams was the weight of the average frog for that pond. In a typical ordinary least squares (OLS) analysis, the researcher would have no way of honoring the pond nesting structure for these two frogs and would then erroneously assume that the environmental factors affecting frog growth were the same regardless of which pond was home to the frog. This same problem often presents itself when researchers are analyzing data obtained from school research. For example, suppose that a researcher were to try to run a regression analysis in which student grade point average (GPA) scores were used to predict performance on the Stanford Achievement Test (SAT). It stands to reason that, within a given school, GPAs might be good predictors of SAT scores where higher GPAs correlate with higher scores on the SAT. However, across schools, the relationship between GPA and SAT may be dramatically different. Whereas in a low-performing school, a student with a 4.0 GPA might score only a 1,000 on the SAT, a student with a 4.0 GPA in an elite, high-performing private school might score a 1,600 on the SAT. This happens because GPA scores are not independent of the school from which they are drawn. This problem of independence of observations is often a factor when collecting data in schools, yet until the development of hierarchical linear modeling (HLM), no methods for dealing appropriately with such data existed. (PsycInfo Database Record (c) 2024 APA, all rights reserved)
(Source: chapter)