MétaCan
Menu
Retour à la cohorte
Enregistrement W3120684305 · doi:10.1038/s41598-020-79503-8

Modeling and analyzing cross-transmission dynamics of related information co-propagation

2021· article· en· W3120684305 sur OpenAlexafffund
Fulian Yin, Xueying Shao, Biao Tang, Xinyu Xia

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueOpinion Dynamics and Social Influence
Établissements canadiensYork University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesCommunication University of ChinaNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésComputer scienceInformation transmissionTransmission (telecommunications)Dynamics (music)Data miningData scienceTelecommunicationsComputer networkPhysics

Résumé

récupéré en direct d'OpenAlex

The dissemination of one public hot event is usually affected by some related information, and the implication of co-propagation by different information is critical for the integrated analysis. To help in designing effective communication strategies during the whole event, we propose the cross-transmission susceptible-forwarding-immune (CT-SFI) model to describe the dynamics of co-propagation particularly with focus on the cross-transmission effects. This model is based on the forwarding quantity and takes into account the behavior that users may have a strong attraction or continuous attraction within or without an active time after contacting one information. Data fitting using the real data of Chinese Sina-microblog can accurately parameterize the model and parameter sensitivity analysis gives some strategies for co-propagation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil0,235

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,276
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetOpinion Dynamics and Social InfluenceTravaux en français237 207