Gaining confidence with intervals: practical guidelines, advices and tricks of the trade to face real-life situations.
Notice bibliographique
Résumé
Confidence intervals and measures of effect size are gradually becoming the standard way of reporting the results of statistical analyses in research articles, used instead of or in addition to p values. However, this shift in research practices barely affected teaching practices up to now. This paper is the third of a series written to serve as a general reference on the use of confidence intervals in quantitative social sciences. Its purpose is to provide guidelines, advices and useful tricks of the trade that will allow readers (a) to face most of the statistical problems emerging in real-life research settings and (b) to improve their understanding of confidence intervals and answer more efficiently their questions of interest. The first part of the article briefly introduces the basic elements of an approach based on confidence intervals: Calculations, interpretation, and hypothesis testing. The second part is an attempt to present some of the most important (but sometimes neglected) advanced issues concerning confidence intervals: Graphic representations, complex distributions, national surveys, the larger family of interval statistics (e.g., prediction intervals), and the Bayesian approach to probabilities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,145 | 0,550 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,018 |
| Communication savante | 0,012 | 0,025 |
| Science ouverte | 0,009 | 0,009 |
| Intégrité de la recherche | 0,014 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,010 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».