Dalzell's theorem and the analysis of proportions: A methodological note
Notice bibliographique
Résumé
The golden section is a well-known proportion that occurs when something (e.g. a line) is divided into two unequal parts such that the smaller (m) is to the larger (M) as the larger is to the sum of the two (i.e. m/M = M/(M + m) = .618). Dalzell's theorem holds that the absolute value of the difference between M/(M + m) and .618 will tend to be smaller than the corresponding difference between m/M and .618. This means that the use of M/(M + m) ratios leads to results that are more supportive of the golden section hypothesis than does the use of m/M ratios. Notice that M/(M + m) corresponds to the proportion of Ms that will occur; while m/M corresponds to the odds that m will occur. While these are mathematically equivalent, in practice they may lead to different interpretations of the same data. Although originally envisaged as applying to the golden section, Dalzell's theorem may have implications for any study that uses either a proportion or the odds as a dependent measure. The use of proportions may produce results that are closer to a predicted value than will the use of the odds as a dependent measure.
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 | 0,065 | 0,176 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,044 |
| Communication savante | 0,012 | 0,018 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».