Harmonization of Panel Surveys: The Cross‐National Equivalent File
Notice bibliographique
Résumé
This chapter describes the Cross-National Equivalent File project (CNEF) – a project that harmonizes data from ongoing longitudinal surveys in 10 countries. CNEF is a compendium of data from general population household-based panels in Australia, Canada, Germany, Italy, Japan, Russia, South Korea, Switzerland, the United Kingdom, and the United States. We introduce CNEF – its genesis, the research infrastructure it operates on, and the structure of the CNEF database. Next, we discuss major issues specific to the project's cross-national harmonization of panel data. Regarding substantive variables, CNEF staff harmonize data for which there exist concepts that have clear theoretical definitions, are measured in objective units, and are, in principle, independent of country-specific culture. Hence, CNEF harmonizes data to empirically measure two types of conceptual variables: (i) concepts that are defined by objective conditions in the physical world (e.g. age, biological sex, pregnancy, etc.), and (ii) abstract concepts that can be defined rather precisely and are measured in objective units, such as income (household and personal), occupation, and health, among others. While harmonization of cross-sectional and longitudinal data requires the same attention to comparability of data across countries, longitudinal data additionally require attention to comparability over time. In discussing CNEF's evolution, we reflect on (i) lessons learned, (ii) how harmonization of existing data has influenced CNEF panel members to adopt harmonized survey questions, and (iii) challenges pertaining both to harmonization per se and its documentation. When CNEF partners to harmonize already collected data, they naturally discuss and sometimes coordinate to harmonize questions or survey designs in advance of the survey going into the field. We conclude with a brief outline of recommendations for researchers interested in harmonizing existing panel survey 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 | 0,171 | 0,396 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,010 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,009 |
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 ».