Assessing Variability of Surface Distress Surveys in Canadian Long-Term Pavement Performance Program
Notice bibliographique
Résumé
In 1997 the Canadian Long-Term Pavement Performance (C-LTPP) project capitalized on an opportunity to have surface distress surveys completed twice at more than half of its test sections to provide some insight as to the variability between different raters. The major findings of that investigation are presented. Because only two distress surveys for each test section were available for comparison, traditional variance analysis techniques were not applicable. Instead, a technique involving an “agreement index,” also known as “Cohen’s weighted kappa statistic,” was used to directly compare the levels of agreement between the surveys. The kappa statistic considers the likelihood of chance agreement and also allows the introduction of penalty values for individual cases of disagreement. The analysis results indicated that the level of agreement based on crack type was very high; less agreement was observed for severity level. Agreement increased significantly with increased data aggregation, indicating that less variability will be present for network-level analyses than for project-level analyses. The effect of rater experience was also investigated, although no firm conclusions could be made with the available data. Recommended methods for reduction of the variability of future distress surveys included reduction of the number of severity levels from five to three, reduction of the number of individual agency raters, more frequent training of raters, and the use of rating teams. In general, the results of the C-LTPP project distress variability analysis were in agreement with previous studies, including the recent study completed by the U.S. LTPP program.
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 | 0,024 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».