Inferring Structural Characteristics of Networks with Strong and Weak\n Ties from Fixed-Choice Surveys
Notice bibliographique
Résumé
Knowing the structure of an offline social network facilitates a variety of\nanalyses, including studying the rate at which infectious diseases may spread\nand identifying a subset of actors to immunize in order to reduce, as much as\npossible, the rate of spread. Offline social network topologies are typically\nestimated by surveying actors and asking them to list their neighbours. While\nidentifying close friends and family (i.e., strong ties) can typically be done\nreliably, listing all of one's acquaintances (i.e., weak ties) is subject to\nerror due to respondent fatigue. This issue is commonly circumvented through\nthe use of so-called "fixed choice" surveys where respondents are asked to name\na fixed, small number of their weak ties (e.g., two or ten). Of course, the\nresulting crude observed network will omit many ties, and using this crude\nnetwork to infer properties of the network, such as its degree distribution or\nclustering coefficient, will lead to biased estimates. This paper develops\nestimators, based on the method of moments, for a number of network\ncharacteristics including those related to the first and second moments of the\ndegree distribution as well as the network size, using fixed-choice survey\ndata. Experiments with simulated data illustrate that the proposed estimators\nperform well across a variety of network topologies and measurement scenarios,\nand the resulting estimates are significantly more accurate than those obtained\ndirectly using the crude observed network, which are commonly used in the\nliterature. We also describe a variation of the Jackknife procedure that can be\nused to obtain an estimate of the estimator variance.\n
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 | 0,008 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».