Notice bibliographique
Résumé
We appreciate Pereira and Castilho's interest (1) in our paper (2), and we agree wholeheartedly with their description of confidence intervals. We wish to address a number of issues regarding our paper and their letter. First, we believe that we made a clerical error in reporting the confidence interval in the paper (2). The interval, calculated as we described in the paper, should be (14.4, 25.5), not (15.6, 24.6) as reported. We would like to elaborate on the points made by Pereira and Castilho (1). In the example cited on page 1204 of our paper (2), we intentionally and carefully chose our words (“representing the 95% probability for the sampling interval”) to indicate that we were describing the sampling distribution of the observed sample proportion, rather than the commonly used confidence interval for the unobserved population proportion. For example, under the theoretical assumption that the true prevalence of diabetes is 0.20, there is a 95% chance that, in a sample of 200, the sample (or observed) prevalence will lie between 0.144 and 0.255. The probability of 95% for the sampling interval is to be distinguished from the usual 95% confidence level. The 95% sampling interval is based on a fixed and known true prevalence, and if we were to repeat the same study with the same design many times, we would expect 95% of these sample prevalences to fall within the specified range. On the other hand, the 95% confidence interval is based on the observed sample, and if we repeated the same study many times, we would expect the confidence intervals of the individual studies to contain the true unknown prevalence 95% of the time.
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 | 0,009 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,036 | 0,040 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,019 |
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 ».