The value of a datum – how little data do we need for a quantitative risk analysis?
Notice bibliographique
Résumé
Abstract Aim Conservation managers are typically faced with limited resources, time and information. The philosophy underlying risk assessment should be robust to these limitations. While there is a broad support for the concept of risk assessments, there is a tendency to rely on expert opinion and exclude formal data analysis, possibly because available information is often scarce. When data analyses are conducted, often much simplified models are advocated, even though this means excluding processes believed by experts to be important. In this manuscript, we ask: should statistical analyses be conducted and decisions modified based on a single datum? How many data points are needed before predictions are meaningful? Given limited data, how complex should models be? Location World‐wide. Methods We use simulation approaches with known ‘true’ values to assess which inferences are possible, given different amounts of information. We use two metrics of performance: the magnitude of uncertainty (using posterior mean squared error) and bias (using P – P plots). We assess six models of relevance to conservation ecologists. Results We show that the greatest reduction in uncertainty occurred at the smallest sample sizes for models examined, and much of parameter space could be excluded. Thus, analyses based on even a single datum potentially can be useful. Further, with only a few observations, the predicted distribution of outcomes matched the probabilities of actual occurrences, even for relatively complex state‐space models with multiple sources of stochasticity. Main conclusions We highlight the utility of quantitative analyses even with severely limited data, given existing practices and arguments in the conservation literature. The purpose of our manuscript is in part a philosophical discourse, as modifications are needed to how conservation ecologists are often trained to think about problems and data, and in part a demonstration via simulation analysis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 tête enseignante, 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 ».