Numerical transformation of geochemical data: 2. Stabilizing measurement error to facilitate data interpretation
Notice bibliographique
Résumé
Traditional uses of data transformations in geoscience have typically been motivated by three objectives: (1) creating normally distributed data; (2) creating data that are additive; and (3) making errors constant across the data range. Part 1 of this paper discussed the transformation applicability for the first two reasons in geochemical applications, and introduced a fourth motivation whereby transformation maximizes the variance (or geochemical contrast) in the transformed data; it did not discuss transformation to stabilize measurement error. Although transformation to stabilizing errors in geochemical data is not common, this is a useful attribute in geochemical data analysis. The transformation is dependent on the model describing the magnitude of measurement (sampling and analysis) error as a function of concentration. Models describing measurement error as a function of concentration can be used to derive a transformation that will stabilize the measurement error in the transformed variable. Poisson, binomial and hypergeometric models are typically used to describe sampling errors, whereas straight line (constant, proportional and affine) models are used to describe analytical errors. The associated variance stabilizing transformations, derived from these models, have constant propagated errors. As a result, these transformations create a ‘level playing field’ for subsequent data analysis, enabling the discovery of additional information in the data. Homoscedastic measurement error allows the geochemist to justify use of a specific transformation based not on the subsequent data analysis results (circular reasoning; ‘the end justifies the means’), but on optimal properties created by the transformation. In this way, objective results can be achieved scientifically, providing another motivation to collect geochemical quality control data.
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 | 0,013 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».