The Estimation of Active Social Network Size of the Iranian Population
Notice bibliographique
Résumé
OBJECTIVES: The size of active network (C) of Iranian population is a very important parameter to estimate the size of unknown population using Network Scale Up (NSU) technique. However, there is little information about this parameter not only in Iran but also in other countries in Middle East region. Based on these needs, the aim of this paper is to estimate C for the Iranian population. METHODS: Based on available national statistics, 23 reference groups, with known population sizes were selected. Using multistage sampling method, 7454 individuals were recruited randomly around the country. We asked from our samples how many people they knew from each of the reference groups. Using NSU formulae, we maximized the goodness of fit of our estimation about the size of the reference groups by fitting the best C. However, the final C was set by excluding some of the reference groups with no added information; these inappropriate groups were selected by two techniques; regression, and ratio based approaches. RESULTS: Applying regression and ratio based approaches the estimated C was 308 and 380 respectively. The Pearson correlation coefficient between the real and estimated size of reference groups (based on our C) in both methods was above 0.95. However, results of ratio based had better performance. We saw that the network of males, singles, younger age groups, and those with higher education was larger than those in other groups. CONCLUSION: It seems that C in Iran is higher than that in developed countries, possibly because of its social structure. Because of cultural and social similarities in Middle East courtiers, C in other countries also might be higher than that in developed countries.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».