From Quality to Information Quality in Official Statistics
Notice bibliographique
Résumé
Abstract The term quality of statistical data, developed and used in official statistics and international organizations such as the International Monetary Fund (IMF) and the Organisation for Economic Co-operation and Development (OECD), refers to the usefulness of summary statistics generated by producers of official statistics. Similarly, in the context of survey quality, official agencies such as Eurostat, National Center for Science and Engineering Statistics (NCSES), and Statistics Canada have created dimensions for evaluating the quality of a survey and its ability to report ‘accurate survey data’. The concept of Information Quality, or InfoQ provides a general framework applicable to data analysis in a broader sense than summary statistics: InfoQ is defined as “the potential of a data set to achieve a specific (scientific or practical) goal by using a given empirical analysis method.” It relies on identifying and examining the relationships between four components: the analysis goal, the data, the data analysis, and the utility. The InfoQ framework relies on deconstructing the InfoQ concept into eight dimensions used for InfoQ assessment. In this article, we compare and contrast the InfoQ framework and dimensions with those typically used by statistical agencies. We discuss how the InfoQ approach can support the use of official statistics not only by governments for policy decision making, but also by other stakeholders, such as industry, by integrating official and organizational data.
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 | 0,174 | 0,565 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,022 | 0,041 |
| Études des sciences et des technologies | 0,003 | 0,025 |
| Communication savante | 0,018 | 0,021 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».