Social Science Question Database and Research Tools
Notice bibliographique
Résumé
The Réseau Quetelet, French data archives for social science, has developed a Social Science Question Database and Research Tools that allows users to search for questions (question texts, answer texts, variable labels) across datasets, compare results, and save them. The analysis can be extended to the roots of words or to include stop words. Information on each question include: questions text, categories of answer, location of the variable in the dataset, link to the variables before and after, instructions given to interviewers, text before and after the question, universe of the question, links to questionnaires. Users can store questions and export them (csv or xls). The question database is based on DDI (version 2) and the research module on Apache Solr.// The paper was presented at the CESSDA Expert Seminar, Université de Lausanne, 20 octobre 2011 / 4th conference of the European Survey Research Association, Lausanne, Suisse, 18-22 juillet 2011 / 37th conference of IASSIST, Vancouver, Canada, 30 mai-3 juin 2011 / Conférence NTTS (New Techniques and Technologies for Statistics) organisée par Eurostat, Bruxelles, Belgique, 22-24 février 2011 / Journée du Réseau Quetelet sur les bases de questions, Sciences Po, Paris, 28 janvier 2011
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 | 0,043 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,025 | 0,028 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,085 | 0,034 |
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 ».