expert: Modeling Without Data Using Expert Opinion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
package provides tools to create and ma-nipulate empirical statistical models using expertopinion (or judgment). Here, the latter expressionrefers to a specific body of techniques to elicit the dis-tribution of a random variable when data is scarce orunavailable. Opinions on the quantiles of the distri-bution are sought from experts in the field and aggre-gated into a final estimate. The package supports ag-gregation by means of the Cooke, Mendel–Sheridanand predefined weights models.We do not mean to give a complete introductionto the theory and practice of expert opinion elicita-tion in this paper. However, for the sake of complete-ness and to assist the casual reader, the next sectionsummarizes the main ideas and concepts.It should be noted that we are only interested,here, in the mathematical techniques of expert opin-ion aggregation. Obtaining the opinion from the ex-perts is an entirely different task; seeKadane andWolfson(1998);Kadane and Winkler(1988);Tver-sky and Kahneman(1974) for more information.Moreover, we do not discuss behavioral models (seeOuchi,2004, for an exhaustive review) nor the prob-lems of expert selection, design and conducting of in-terviews. We refer the interested reader toO’Haganet al.(2006) andCooke(1991) for details. Althoughit is extremely important to carefully examine theseconsiderations if expert opinion is to be useful, weassume that these questions have been solved previ-ously. The package takes the opinion of experts as aninput that we take here as available.The other main section presents the features ofversion 1.0-0 of package
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle