One Size Doesn’t Fit All: Administrative Data Quality Frameworks for Production of Official Statistics
Notice bibliographique
Résumé
Background with rationaleThe use of administrative data is key to achieving the UK Statistics Authority’s strategy of Better Statistics, Better Decisions. Integrating administrative data into official statistics can benefit policy decisions by allowing the possibility of greater granularity and improved timeliness in outputs, while delivering efficiency gains and reducing respondent burden. Quality assessment and communicating uncertainty of administrative data sources is critical to their effective integration into official statistical outputs. Main AimThis presentation will discuss the main challenges of quality assuring statistical outputs containing administrative data. The differences in existing quality frameworks and identified quality metrics will be discussed. In addition, the presentation will cover the need to tailor quality assessment to answer a specific research question that an identified source is being used for and the considerations required. Methods/ApproachA comprehensive literature review was carried out, bringing together existing quality frameworks and metrics from National Statistical Institutes (NSIs) and academia for production of statistics using administrative data sources. ResultsThe main challenges and considerations faced when quality assuring outputs produced using administrative sources have been identified. The quality requirements for different outputs across social, business and census statistics were summarised and a general quality framework for admin data developed. This framework draws on international best practices for use in the UK statistical system. ConclusionIntegrating administrative data presents challenges can’t be solved by a one-size fits all framework. Through unifying available guidance, an adaptable quality assurance methodology has been created, enabling the use of public data for the public good.
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 | 0,400 | 0,452 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,021 | 0,022 |
| Études des sciences et des technologies | 0,008 | 0,028 |
| Communication savante | 0,044 | 0,034 |
| Science ouverte | 0,011 | 0,019 |
| Intégrité de la recherche | 0,010 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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.
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 ».