segmented: Regression Models with Break-Points / Change-Points Estimation (with Possibly Random Effects)
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
Fitting regression models where, in addition to possible linear terms, one or more covariates have segmented (i.e., broken-line or piece-wise linear) or stepmented (i.e. piece-wise constant) effects. Multiple breakpoints for the same variable are allowed. The estimation method is discussed in Muggeo (2003, <<a href="https://doi.org/10.1002%2Fsim.1545" target="_top">doi:10.1002/sim.1545</a>>) and illustrated in Muggeo (2008, <<a href="https://www.r-project.org/doc/Rnews/Rnews_2008-1.pdf" target="_top">https://www.r-project.org/doc/Rnews/Rnews_2008-1.pdf</a>>). An approach for hypothesis testing is presented in Muggeo (2016, <<a href="https://doi.org/10.1080%2F00949655.2016.1149855" target="_top">doi:10.1080/00949655.2016.1149855</a>>), and interval estimation for the breakpoint is discussed in Muggeo (2017, <<a href="https://doi.org/10.1111%2Fanzs.12200" target="_top">doi:10.1111/anzs.12200</a>>). Segmented mixed models, i.e. random effects in the change point, are discussed in Muggeo (2014, <<a href="https://doi.org/10.1177%2F1471082X13504721" target="_top">doi:10.1177/1471082X13504721</a>>). Estimation of piecewise-constant relationships and changepoints (mean-shift models) is discussed in Fasola et al. (2018, <<a href="https://doi.org/10.1007%2Fs00180-017-0740-4" target="_top">doi:10.1007/s00180-017-0740-4</a>>).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle