Calibration using power transformation
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.
Notice bibliographique
Résumé
Estimation of the population mean or population total is considered. A new calibration estimator with a new likelihood function is proposed. The resultant estimator derives from the two-step calibration by Singh and Sedory (2013 Singh, S., and S. A. Sedory. 2013. Two-step calibration of design weights in survey sampling. In JSM Proceedings, Survey Research Methods Section, 2928–2942, Montreal, Canada. [Google Scholar], 2016 Singh, S., and S. A. Sedory. 2016. Two-step calibration of design weights in survey sampling. Communications in Statistics: Theory and Methods 45 (12):3510. doi:10.1080/03610926.2014.892137.[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]). The resultant estimator takes the form of Searls’ (1964) estimator. The Berger and De La Riva Torres (2016 Berger, Y. G., and O. De La Riva Torres. 2016. Empirical likelihood confidence intervals for complex sampling designs. Journal of the Royal Statistical Society, Series B (Statistical Methodology) 78 (2):319–41.[Crossref], [Web of Science ®] , [Google Scholar]) methodology is shown to be a special case of the proposed power method of calibration. Conditional estimators of the mean squared errors of the empirical likelihood estimator and the proposed estimators are developed and investigated through extensive simulation study following Breidt and Opsomer (2000 Breidt, F. J., and J. D. Opsomer. 2000. Local polynomial regression estimators in survey sampling. The Annals of Statistics 28 (4):1026–53.[Crossref], [Web of Science ®] , [Google Scholar]) and Breidt et al. (2016 Breidt, F. J., J. D. Opsomer, and I. Sanchez-Borrego. 2016. Nonparametric variance estimation under fine stratification: An alternative to collapsed strata. Journal of the American Statistical Association 111 (514):822–33.[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle