Data Storage for Baylis and Boomhower (2022): Fire Characteristics, Expenditures, and Other Miscellaneous Datasets
Notice bibliographique
Résumé
# Description Zenodo data storage for large, non-proprietary data used in "The Economic Incidence of Wildfire Suppression in the United States", by Patrick Baylis and Judson Boomhower. Main OpenICPSR repository (contains code and main README.txt): https://www.openicpsr.org/openicpsr/workspace?goToPath=/openicpsr/144601 # Contents This storage mirrors the following offline directories used in the code. Each .tar file contains a directory of the same name. To replicate the existing code, users should decompress each directory into raw/, following the structure used in the code. (Note: as described in the main README, running most of the code requires access to proprietary data which is not included in this storage). ## Resulting directory structure To be consistent with the original source code, included the .tar files should be decompressed into the following directory structure within the directory designated by the RAW global in 01_Code/globals.R in the main reposistory. raw/calfire/ raw/census/county-tract/ raw/census/income/ raw/census/populated_places raw/gacc/ raw/geo/ raw/gpw/ raw/hpi/ raw/incidents/CalFire/ raw/incidents/FAMWEB/ raw/incidents/InteriorDepartment/ raw/incidents/FEMA/ raw/incidents/KCFAST/ raw/MTBS/ raw/nifc/ raw/preparedness-spending/doi/ raw/preparedness-spending/usfs/ raw/roads/ raw/USFS/ raw/whp/ raw/wui/
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,291 | 0,303 |
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 ».