MétaCan
Menu
Retour à la cohorte
Enregistrement W3154958875 · doi:10.1108/eemcs-05-2020-0161

Back to basics: understanding the numbers behind COVID-19

2021· article· en· W3154958875 sur OpenAlex
Manoj Chiba

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueEmerald Emerging Markets Case Studies · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTimelinePandemicDescriptive statisticsGovernment (linguistics)CredibilityCoronavirus disease 2019 (COVID-19)Quarter (Canadian coin)Political scienceGeographyEconomic growthStatisticsMedicineEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Learning outcomes The learning outcomes are as follows: How to establish credibility of data sources; measurement scales of data; the importance of descriptive statistics and generating the following based on the type of data: mean, median and standard deviation; graphical methods; and test for differences: t -test and analysis of variance. Case overview/synopsis The case is set during the COVID-19 pandemic and the South African Government’s response to the pandemic. A brief timeline is provided as part of the introduction to the case study, with the following being a timeline of the events: 14 March 2020, 114 South African citizens were repatriated from Wuhan the epicentre of the COVID-19 outbreak; 15 March 2020, South Africa’s President, Cyril Ramaphosa declares a National State of Disaster, and this includes various measures to protect against the spread of COVID-19, while the health-care system is geared up to deal with the pandemic. Among the measures implemented, travel bans from high-risk countries and closing of air-traffic, closing of land ports and banning of gatherings of more than 100 people; 23 March 2020, President Cyril Ramaphosa announced a national lockdown beginning on 27 March 2020 for three weeks; 9 April 2020, President Ramaphosa extends the national lockdown by a further two weeks. The World Health Organisation (WHO) had commended South Africa on the swift action taken to curb the spread of the virus. Individuals and organisational leaders are grappling to make sense of the spread of the virus, and the barrage of the information that is being communicated through multiple channels, formal and informal. To make sense of the information, the case is premised on getting access to the raw data and conducting the analysis based on the publicly available data. The central requirement of the case is to compare the number of positive cases per million, based on the population data contained in the data set, of South Africa to a comparable country. Complexity/Academic level Post-graduate students learning statistics as part of a degree programme. The case assumes no prior statistics knowledge and therefore is aimed at teaching the importance of the basics of statistical analysis and then progressing to tests for differences. Subject code CSS 7: Management Science Supplementary materials Teaching Notes are available for educators only.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,030
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,388
Tête enseignante GPT0,470
Écart entre enseignants0,081 · 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