MétaCan
Menu
Retour à la cohorte
Enregistrement W2650923610

New Trends in Modeling and Simulation in Economic Sciences

2013· article· en· W2650923610 sur OpenAlexaboutno aff
Zuzana Chvátalová, Jiří Hřebíček

Notice bibliographique

RevueInternational Journal of Economics and Statistics · 2013
Typearticle
Langueen
DomaineMathematics
ThématiqueModeling, Simulation, and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMapleGraphicsLoanComputational financeVisualizationComputer graphicsSymbolic computationComputational scienceData scienceSoftware engineeringTheoretical computer scienceComputer graphics (images)FinanceData miningMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The aim of this paper is to map selected tools offered the Maple system and user supports provided by the Canadian company Maplesoft Inc. for professional and modern implementation in economics, resp. finances. These are mainly fields of scientific computing, in the quantitative modeling, graphics visualizations and interactive simulations, both the direct using of built-in elements and the communication platform supported by Maplesoft. Maple is an efficient tool for the solving problems of various complexities in these areas. It uses the efficient algorithms and methods of mathematical disciplines and executes the numerical and also symbolic calculations. Interactive tools of Maple as Clickable Math, on-line and interactive statistical or numeric computations and visualizations and inspiration of worksheets and documents from the Application Maplesoft Centre are important for the application of quantitative methods in economics and finance. Selected methods are adjusted to aims of article, i.e. to present the financial package and means in the example of mortgage loan. We used the last two current versions of Maple (Releases 16 and 17).

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,003
Communication savante0,0060,007
Science ouverte0,0020,003
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

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 Opus0,059
Tête enseignante GPT0,342
Écart entre enseignants0,282 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and StatisticsMême sujetModeling, Simulation, and OptimizationTravaux en français237 207