MétaCan
Menu
Retour à la cohorte
Enregistrement W2072482601 · doi:10.1068/b3320t

A Discrete-Choice Approach to Modeling Social Influence on Individual Decision Making

2008· article· en· W2072482601 sur OpenAlexaff
Antonio Páez, Darren M. Scott, Erik Volz

Notice bibliographique

RevueEnvironment and Planning B Planning and Design · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDiscrete choiceMultinomial logistic regressionComputer scienceMultinomial distributionAction (physics)Position (finance)Management scienceMicroeconomicsEconometricsEconomicsMachine learning

Résumé

récupéré en direct d'OpenAlex

Individual decision making is commonly studied using discrete choice models. Models of this type are applied extensively to the study of travel behavior, residential location, and employment decisions, among other topics of interest. A notable characteristic of the underlying economic theory is the assumption that individuals seek to maximize utility on the basis of their personal attributes and the attributes of the alternatives available to them. This approach ignores the interrelated nature of decision making in social situations—in other words, the role that social structures play in shaping behavior. In this paper we describe a multinomial discrete choice approach to analyzing individual behavior in social situations where position in a social network may encourage or discourage different courses of action. By means of a simulation example, we explore some properties of the model, in particular the effect of network topology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,269
Écart entre enseignants0,192 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations132
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning B Planning and DesignMême sujetConsumer Market Behavior and PricingTravaux en français237 207