Correction to: Statistical modeling and analysis of trace element concentrations in forensic glass evidence
Notice bibliographique
Résumé
The abcissa on certain figures in "Statistical Modeling and Analysis of Trace Element Concentrations in Forensic Glass Evidence" [Pan and Kafadar (2018)] and the corresponding supplement have been corrected.Estimated match rates are around 20-30% lower than originally stated (when the true relative difference in concentrations is less than 15% in all elements); however, the main results and conclusions of the paper remain unchanged.Two samples that come from batches whose mean log concentrations differ by δ = 0.1 (roughly 10%) in all 17 elements would not be "considered distinguishable" [ASTM International (2016), Section 11.1.7]62.22-65.41% of the time using the covariance matrix estimate from the German data, and 77.18-78.14% of the time using the estimate from the Canadian data set.Affected figures and tables below are labeled corresponding to Pan and Kafadar (2018).Section 2 contains corrected supplemental figures and tables.TABLE 3 Canadian and German data simulation match rates at various δ (δ) 0.05 0.1 0.15 0.2 0.25 0.3 (a) Canadian data match rates t 3 0.991 0.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».