Notice bibliographique
Résumé
Summary Chris Skinner was born in London on 12 March 1953. He completed a BA in mathematics in 1975 at the University of Cambridge. He then obtained an MSc degree in statistics from the London School of Economics and Political Science (LSE) in 1976 and worked as an assistant statistician in the Central Statistical Office for 1 year. After working as a research assistant in LSE from 1977 to 1978, he joined the University of Southampton as a lecturer in 1978, where he earned a PhD in social statistics in 1982. He remained at the University of Southampton, where he became a senior lecturer in 1989 and professor of statistics in 1994. While serving as the head of his department from 1997 to 2000, he played a crucial role in the creation of an MSc programme in official statistics in 1999. In 2011, he returned to the LSE, where he currently holds the position of professor of statistics. Chris is the author of over 80 peer‐reviewed articles in statistical journals and the co‐editor of two influential books on the analysis of survey data. He made significant research contributions covering areas that include the analysis of survey data, inference in the presence of non‐response and measurement errors and statistical disclosure control. He served on several advisory committees, including the Statistical Methods Advisory Committee at Statistics Canada (from 2000 to 2011) and the National Statistics Methodology Advisory Committee in the United Kingdom (from 2001 to 2010). He has received numerous awards and honors for his outstanding contributions to survey sampling and social statistics. He is a Fellow of the American Statistical Association, Fellow of the British Academy and a Fellow of the Academy of Social Sciences. In 2009, he received the West Medal from the Royal Statistical Society for contributions to social statistics, and in 2010, he was made a Commander of the Most Excellent Order of the British Empire. In 2019, he also received the Waksberg award to recognize his contributions to survey methodology. The following conversation took place at LSE on 21 May 2019.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,013 |
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 source (Gemma direct ou Codex distillé), 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 ».