MétaCan
Menu
Retour à la cohorte
Enregistrement W2021662179 · doi:10.1287/opre.1040.0158

Selecting Attributes to Measure the Achievement of Objectives

2005· article· en· W2021662179 sur OpenAlexaff
Ralph L. Keeney, Robin Gregory

Notice bibliographique

RevueOperations Research · 2005
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesU.S. Department of Energy
Mots-clésMeasure (data warehouse)Computer scienceStatement (logic)Proxy (statistics)Foundation (evidence)Meaning (existential)Management scienceProblem statementOperations researchRisk analysis (engineering)Data miningMachine learningMathematicsBusiness

Résumé

récupéré en direct d'OpenAlex

The foundation for any decision is a clear statement of objectives. Attributes clarify the meaning of each objective and are required to measure the consequences of different alternatives. Unfortunately, insufficient thought typically is given to the choice of attributes. This paper addresses this problem by presenting theory and guidelines for identifying appropriate attributes. We define five desirable properties of attributes: they should be unambiguous, comprehensive, direct, operational, and understandable. Each of these properties is discussed and illustrated with examples, including several cases in which one or more of the desirable properties are not met. We also present a decision model for selecting among the different types of natural, proxy, and constructed attributes.

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)0,023
score de la tête « metaresearch » (Gemma)0,053
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,053
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0010,002
Communication savante0,0050,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,317
Tête enseignante GPT0,506
Écart entre enseignants0,189 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations369
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOperations ResearchMême sujetRisk and Safety AnalysisTravaux en français237 207