MétaCan
Menu
Retour à la cohorte
Enregistrement W2773171493 · doi:10.22237/jmasm/1509495060

'Parallel Universe' or 'Proven Future'? The Language of Dependent Means t-Test Interpretations

2017· article· en· W2773171493 sur OpenAlexaff
Anthony M. Gould, Jean‐Etienne Joullié

Notice bibliographique

RevueJournal of Modern Applied Statistical Methods · 2017
Typearticle
Langueen
DomainePsychology
ThématiquePsychological Well-being and Life Satisfaction
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPropositionMeaning (existential)MathematicsTest (biology)Test statisticStatisticInterpretation (philosophy)PopulationSubject (documents)Value (mathematics)EconometricsEpistemologyCalculus (dental)Statistical hypothesis testingStatisticsComputer scienceLinguisticsSociologyDemographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Of the three kinds of two-mean comparisons which judge a test statistic against a critical value taken from a Student t-distribution, one – the repeated measures or dependent-means application – is distinctive because it is meant to assess the value of a parameter which is not part of the natural order. This absence forces a choice between two interpretations of a significant test result and the meaning of the test hypothesis. The parallel universe view advances a conditional, backward-looking conclusion. The more practical proven future interpretation is a non-conditional proposition about what will happen if an intervention is (now) applied to each population element. Proven future conclusions are subject to the corrupting influence of time-displacement, which include the effects of learning, development, and history. These two interpretations are explored, and a proposal for new conceptual categories and nomenclature is given to distinguish them, applicable to other repeated measures procedures derived from the general linear model including ANOVA.

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)0,046
score de la tête « metaresearch » (Gemma)0,097
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,097
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,044
Communication savante0,0100,018
Science ouverte0,0060,005
Intégrité de la recherche0,0060,014
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,048
Tête enseignante GPT0,431
Écart entre enseignants0,382 · 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.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

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

En bref

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Modern Applied Statistical MethodsMême sujetPsychological Well-being and Life SatisfactionTravaux en français237 207