MétaCan
Menu
Retour à la cohorte
Enregistrement W2497738373 · doi:10.1017/cbo9781107337855.004

The BWS profile case

2015· book-chapter· en· W2497738373 sur OpenAlexaff
Jordan J. Louviere, Terry N. Flynn, A. A. J. Marley

Notice bibliographique

RevueCambridge University Press eBooks · 2015
Typebook-chapter
Langueen
DomainePsychology
ThématiqueScience Education and Perceptions
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésRace (biology)ArtSociologyGender studies

Résumé

récupéré en direct d'OpenAlex

You are at your very best when things are worst. Starman (Jeff Bridges), describing the human race to an Earth scientist, in Starman (1984: Raynold Gideon, screenwriter; John Carpenter, director) 3.1 Introduction This chapter describes, discusses and illustrates the BWS profile case (Case 2). Researchers familiar with discrete choice experiments will recognize that this case has many features in common with DCEs. For example, like traditional DCEs, a good or service is described by a common set of attributes and levels; the descriptions are called profiles (hence, the name for this case). As in traditional ratings-based conjoint analysis (Green and Rao, 1971; Louviere, 1988a; 1994), the profiles are presented to experimental participants one at a time . In this sense, this case is somewhat like binary response DCEs that present profiles one at a time and ask for “Yes”/“No” (accept/reject, etc.) responses. However, this case differs from traditional conjoint analysis and DCEs because experimental participants choose, respectively, the best and worst attribute levels in each profile. In other words, participants do not make holistic profile choices. Our experience is that this is an easier task for participants, as they evaluate only one profile at a time instead of choosing among two or more profiles, as in most DCEs. The one-profile-at-a-time aspect may be attractive in applications in which DCEs rarely have been used, such as the United Kingdom's National Health Service. Indeed, the authors have a fair amount of experience applying Case 2 to health-related research problems. In the past researchers wanting to analyze data from Case 2 had to write special-purpose estimation software or develop a “work-around” in statistical software products such as SPSS, STATA and SAS. We suspect that the latter problem and the fact that formal proofs of the measurement properties appeared only recently (Marley, Flynn and Louviere, 2008) are responsible for less exposure for Case 2 than Case 1 or Case 3. Accordingly, we discuss these and other issues in this chapter to give this case more exposure; indeed, as we later discuss, Case 2 has unique advantages not shared by other conjoint, DCE or utility theoretic approaches for preference elicitation. The plan of the rest of the chapter is as follows. We first describe and illustrate BWS profile case choice tasks (hereafter, “Case 2”). We then discuss issues associated with designing and implementing profile case projects.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0320,006

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 Opus0,112
Tête enseignante GPT0,312
Écart entre enseignants0,200 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetScience Education and PerceptionsTravaux en français237 207