MétaCan
Menu
Retour à la cohorte
Enregistrement W2249711476 · doi:10.1016/s2212-5671(15)01601-9

Socio-economic Characteristics of Dissatisfied Users of Wood-based Houses in the Czech Republic

2015· article· en· W2249711476 sur OpenAlexaboutno aff
Josef Lenoch, Petra Hlaváčková

Notice bibliographique

RevueProcedia Economics and Finance · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePolish socio-economic development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCzechQuality (philosophy)MarketingBusinessGeographyStatistical analysisMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Although there has been an increasing interest in wooden construction in recent years, this type of constructions is still not as common as in the northern European countries (Sweden, Finland), the US, or Canada. The paper analyses users of wood-based houses in the Czech Republic. The paper presents partial results of this extensive marketing research, analyses dissatisfied users of wood-based houses and identifies socio-economic characteristics of the dissatisfied users. The survey was conducted by researchers from Mendel University in Brno in the year 2012 – 2014 and it covered 1,000 Czech households. Individual factors of perceiving wood-based houseś quality and price were processed both for the satisfied users and the dissatisfied users who would not purchase this type of building again. When processing the data obtained by the research the authors employed various analytical procedures. The prevailing data-analysis tools were basic statistical methods. The results for both groups were mutually compared. The paper deals with differences in socio-economic characteristics of satisfied and dissatisfied users of wooden family houses and makes recommendations for elimination of the number of the dissatisfied users.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,219
Écart entre enseignants0,181 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia Economics and FinanceMême sujetPolish socio-economic developmentTravaux en français237 207