MétaCan
Menu
Retour à la cohorte
Enregistrement W2998517716 · doi:10.5296/jas.v8i2.15761

Concordance Modeling With a Gold Standard for Variables From the Three-Parameter Gamma Distribution

2020· article· en· W2998517716 sur OpenAlexaboutno aff
Márcio Paulo de Oliveira, Miguel Ángel Uribe-Opazo, Manuel Galea, Jerry Adriani Johann

Notice bibliographique

RevueJournal of Agricultural Studies · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensnon disponible
Organismes subventionnairesUniversidade Tecnológica Federal do ParanáUniversidade Estadual do Oeste do ParanáConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésStatisticsStandard deviationGamma distributionRange (aeronautics)Environmental scienceMultivariate statisticsMathematicsScale (ratio)Standard errorDistribution (mathematics)MeteorologyClimatologyGeographyCartography

Résumé

récupéré en direct d'OpenAlex

A way to compare two or more measurements for the same random variable can be achieved by using a negligible error reference measurement, which is called the gold standard, obtained by consolidated measurement methods. This paper presents a new methodology for comparing measurements in the presence of a gold standard with random variables from the multivariate three-parameter (shape, scale, and location) gamma distribution. The errors between gold standard measures and approximate measures have a gamma difference distribution with the same three parameters of the gamma distribution. The concordance measurements were obtained by mean of a coefficient, which measures the degree of agreement as a ratio between the variances of the gold standard and the errors. The developed methodology is illustrated with climatic data which is divided into four ranges. The measurements analyzed are rainfall forecasts of the following four national centers: Canadian Meteorological Center (CMC), European Center for Medium-Range Weather Forecasts (ECMWF), National Centers for Environmental Prediction (NCEP), and Center for Weather Forecasting and Climate Studies (CPTEC). The forecast range was 240 hours for the West mesoregion of Paraná – Brazil, and in the October 1–March 31 period of the 2010/2011 –2015/2016 harvest years. The period was selected because it is related to soybean crop development in the region and because several crop estimation models use rainfall forecast data in this period. The methodology applied spatially indicated the center to be selected in each geographical location according to each rainfall range interval. The gamma model fit well with the data and is an alternative to the normal one for modelling rainfall, in particular to estimate concordances between rainfall forecasts and the gold standard, which are used to improve the selection of rainfall forecast centers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,038
score de la tête « metaresearch » (Gemma)0,100
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,199

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,100
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,004
Communication savante0,0050,004
Science ouverte0,0040,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,034
Tête enseignante GPT0,240
Écart entre enseignants0,206 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural StudiesMême sujetSoil Geostatistics and MappingTravaux en français237 207