MétaCan
Menu
Retour à la cohorte
Enregistrement W2793194576 · doi:10.1080/10705511.2018.1442224

Adaptive Equilibrium Regulation: Modeling Individual Dynamics on Multiple Timescales

2018· article· en· W2793194576 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueStructural Equation Modeling A Multidisciplinary Journal · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésStatisticsStandard deviationEconometricsMathematicsRobustness (evolution)Observational errorConvergence (economics)Statistical physicsApplied mathematicsPhysicsEconomics

Résumé

récupéré en direct d'OpenAlex

Damped Linear Oscillators estimated by 2nd-order Latent Differential Equation have assumed a constant equilibrium and one oscillatory component. Lower-frequency oscillations may come from seasonal background processes, which non-randomly contribute to deviation from equilibrium at each occasion and confound estimation of dynamics over shorter timescales. Boker (2015) proposed a model of individual change on multiple timescales, but implementation, simulation, and applications to data have not been demonstrated. This study implemented a generalization of the proposed model; examined robustness to varied timescale ratios, measurement error, and occasions-per-person in simulated data; and tested for dynamics at multiple timescales in experience sampling affect data. Results show small standard errors and low bias to dynamic estimates at timescale ratios greater than 3:1. Below 3:1, estimate error was sensitive to noise and total occasions; rates of non-convergence increased. For affect data, model comparisons showed statistically significant dynamics at both timescales for both participants.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,170
Tête enseignante GPT0,413
Écart entre enseignants0,243 · 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