Aggregating conclusive and inconclusive information: Data and a model based on the assessment of threat
Notice bibliographique
Résumé
Abstract This study examined the process of combining conclusive and inconclusive information using a Naval threat assessment simulation. On each of 36 trials, participants interrogated 10 pieces of information (e.g., speed, direction, bearing, etc.) about “targets” in a simulated radar space. The number of hostile, peaceful, and inconclusive cues was factorially varied across targets. Three models were developed to understand how inconclusive information is used in the judgment of threat. According to one model, inconclusive information is ignored and the judgment of threat is based only on the conclusive information. According to a second model, the amount of dominant conclusive information is normalized by all of the available information. Finally, according to a third model, inconclusive information is partitioned under the assumption that it equally represents both dominant and non‐dominant evidence. In Experiment 1, the data of novices (i.e., civilians) were best described by a model that assumes a partitioning of inconclusive evidence. This result was replicated in a second experiment involving variation of the global threat context. In a third experiment involving experts (i.e., Canadian Navy officers), the data of half of the participants were best described by the partitioning model and the data of the other half were best described by the normalizing model. In Experiments 1 and 2, the presence of inconclusive information produced a “dilution effect”, whereby hostile (peaceful) targets were judged as less hostile (peaceful) than the predictions of the Partitioning model. The dilution effect was not evident in the judgments of the Navy officers. Copyright © 2009 Crown in the right of Canada. Published by John Wiley & Sons, Ltd.
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 | 0,038 | 0,280 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,006 | 0,011 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».