Natalie Hyltse

Amanuens

Institutionen för psykologi Fakulteten för hälso- och livsvetenskap

natalie.hyltse@lnu.se

Spara kontaktuppgifter Ladda ner bild

Mina forskargrupper

Avdelningen för metod och metavetenskap Inom Avdelningen för metod och metavetenskap arbetar vi med att utveckla och förbättra forskningsmetoder och med projekt som har ett metavetenskapligt…

Publikationer

Artikel i tidskrift (Refereegranskat)

Wilkinson, J., Heal, C., Antoniou, G.A., Flemyng, E., Ahnström, L., et al. (2025). Assessing the feasibility and impact of clinical trial trustworthiness checks via an application to Cochrane Reviews : Stage 2 of the INSPECT-SR project. Journal of Clinical Epidemiology. 184.
Status: Publicerad
Carlsson, R., Batinovic, L., Hyltse, N., Kalmendal, A., Nordström, T., et al. (2024). A Beginner's Guide to Open and Reproducible Systematic Reviews in Psychology. Collabra: Psychology. 10 (1).
Status: Publicerad

Konferensbidrag (Refereegranskat)

Nordström, T., Kalmendal, A., Batinovic, L., Däldborg, P., Dahl, H., et al. (2024). Reproducibility, Open Science, FAIR and Risk Of Bias in Educational Systematic Reviews : A systematic living meta-review of research standards. META-REP 2024, the conference on meta-science and replicability in the social, behavioural, and cognitive sciences. October 28 to 31, 2024 in Munich, Germany.
Nordström, T., Kalmendal, A., Lucija, B., Däldborg, P., Dahl, H., et al. (2024). FAIR-data adherence in systematic reviews : A closer (meta) view of educational science. Presented at Open Science Community Sweden Conference 2024, Växjö, Sweden, 24/9-26/9 2024.
Hyltse, N., Carlsson, R., Nilsonne, G. (2023). ROSE (Risk of Statistical Error) : A checklist to assess the risk of errors in statistical reporting and datasets.. .
Hyltse, N., Carlsson, R. (2023). Showcasing Untapped Opportunities for Interdisciplinary Understanding through Bibliometrics in Learning Analytics and Educational Research. .

Konferensbidrag (Övrigt vetenskapligt)

Hyltse, N., Carlsson, R., Nilsonne, G. (2023). ROSE (Risk of Significant Error) : A checklist to assess the risk of errors in statistical reporting and datasets.. .