MétaCan
Menu
Retour à la cohorte
Enregistrement W1995381013 · doi:10.1002/cjs.11203

Selection of partial replication on two‐level orthogonal arrays

2014· article· en· W1995381013 sur OpenAlexvenueaboutno aff
Shin‐Fu Tsai, Chen‐Tuo Liao

Notice bibliographique

RevueCanadian Journal of Statistics · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueOptimal Experimental Design Methods
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Council
Mots-clésReplication (statistics)Selection (genetic algorithm)Variance (accounting)Orthogonal arrayVariance componentsComputer scienceStatisticsMathematicsAlgorithmArtificial intelligenceAccounting

Résumé

récupéré en direct d'OpenAlex

Abstract Due to the lack of a replication‐based estimate for the experimental error variance, unreplicated orthogonal main‐effect plans (OMEPs) usually appear to be unsatisfactory in screening active factors, when there are certain interactions likely to be non‐negligible. In this study, partially replicated designs constructed through two‐level orthogonal arrays are recommended to compensate for this deficiency. A compound criterion called the extended minimum aberration (EMA) is proposed for choosing the twice‐replicated fractions. According to the EMA criterion, sufficient conditions for constructing the minimal two‐level OMEPs with partial replication are proposed, and a series of EMA designs with practical run‐sizes is provided for practical applications. The Canadian Journal of Statistics 42: 168–183; 2014 © 2014 Statistical Society of Canada

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)0,055
score de la tête « metaresearch » (Gemma)0,180
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,289

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0550,180
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,190
Tête enseignante GPT0,420
Écart entre enseignants0,230 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of StatisticsMême sujetOptimal Experimental Design MethodsTravaux en français237 207