Measuring reciprocity: Double sampling, concordance, and network construction
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.
Notice bibliographique
Résumé
Abstract Reciprocity—the mutual provisioning of support/goods—is a pervasive feature of social life. Directed networks provide a way to examine the structure of reciprocity in a community. However, measuring social networks involves assumptions about what relationships matter and how to elicit them, which may impact observed reciprocity. In particular, the practice of aggregating multiple sources of data on the same relationship (e.g., “double-sampled” data, where both the “giver” and “receiver” are asked to report on their relationship) may have pronounced impacts on network structure. To investigate these issues, we examine concordance (ties reported by both parties) and reciprocity in a set of directed, double-sampled social support networks. We find low concordance in people’s responses. Taking either the union (including any reported ties) or the intersection (including only concordant ties) of double-sampled relationships results in dramatically higher levels of reciprocity. Using multilevel exponential random graph models of social support networks from 75 villages in India, we show that these changes cannot be fully explained by the increase in the number of ties produced by layer aggregation. Respondents’ tendency to name the same people as both givers and receivers of support plays an important role, but this tendency varies across contexts and relationships type. We argue that no single method should necessarily be seen as the “correct” choice for aggregation of multiple sources of data on a single relationship type. Methods of aggregation should depend on the research question, the context, and the relationship in question.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle