MétaCan
Menu
Retour à la cohorte
Enregistrement W3111612872 · doi:10.5121/ijsea.2020.11601

Stated Preference Data & Alogit

2020· article· en· W3111612872 sur OpenAlexaff
Mina Hassanvand

Notice bibliographique

RevueInternational Journal of Software Engineering & Applications · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésRespondentPreferenceRanking (information retrieval)Set (abstract data type)Computer scienceSoftwareRevealed preferenceLogitData setMixed logitProcess (computing)Survey data collectionData miningMaximizationOperations researchEconometricsLogistic regressionStatisticsEngineeringInformation retrievalMachine learningEconomicsMathematicsArtificial intelligenceMathematical optimization

Résumé

récupéré en direct d'OpenAlex

Stated Preference (SP) surveys are a form of experimental surveys in which the respondent states his/her preferences towards to an alternative out of a set of alternatives that they are presented with. The process of analysing the data collected and estimating the utility of the alternatives under investigation found through such surveys, depending on the nature of the survey design and its underlying details, can be time consuming and cumbersome. If the data is to be studied using logit models, the ALOGIT software can be used which is a powerful tool used for utility maximization and estimations of a SP survey data set. The software requires development and use of a special and often quite lengthy code. This paper presents the reader with a specific yet immensely useful computer program to be used in ALOGIT for estimations when working with SP data and logit models involving ranking and rating of alternatives.

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)0,011
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,119
Score d'incertitude au seuil0,398

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,100
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,007
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,1190,056

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 Opus0,230
Tête enseignante GPT0,252
Écart entre enseignants0,022 · 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'étudeSans objet
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Software Engineering & ApplicationsMême sujetEconomic and Environmental ValuationTravaux en français237 207