MétaCan
Menu
Retour à la cohorte
Enregistrement W1485448714 · doi:10.1002/9780470057339.vnn075

Analysis of Variance, Multivariate ( <scp>MANOVA</scp> )

2012· other· en· W1485448714 sur OpenAlexaff
Martin Bilodeau

Notice bibliographique

RevueEncyclopedia of Environmetrics · 2012
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMultivariate analysis of varianceStatisticsAnalysis of varianceVariance (accounting)Multivariate statisticsMultivariate analysisConfidence intervalRandom effects modelMathematicsSet (abstract data type)PlaceboRepeated measures designEconometricsMedicineComputer scienceMeta-analysisInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract A designed experiment is set up in which the system studied is under the control of an investigator. The individuals, the treatments, and the variables measured are decided by the investigator. In a clinical trial, patients satisfying some eligibility criteria are assigned at random, either to a new treatment or to a placebo. Patients are followed for some time and a few responses are recorded for each patient. In an agricultural experiment, a field is divided into plots of shape and size determined by the investigator. The plots are assigned at random one among a few treatments which could be, for example, different fertilizers. The variables measured on each plot could be the yields of some crops. The general objective of a designed experiment is to assess the effects of different treatments on the responses. These effects are evaluated by statistical estimates and confidence intervals of the magnitude of the differences between treatments. The estimates should avoid biases and the random errors should be minimized as much as possible. The statistical methodology used to analyze such designed experiments in which there are several responses is termed MANOVA , an acronym for multivariate analysis of variance.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,038
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0680,010

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,256
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEncyclopedia of EnvironmetricsMême sujetSensory Analysis and Statistical MethodsTravaux en français237 207