Visual ODD: A Standardised Visualisation Illustrating the Narrative of Agent-Based Models
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
Agent-based models (ABMs) are commonly used tools across diverse disciplines, from ecology to social sciences and technology. Despite the effectiveness of the widely adopted Overview, Design concepts, and Details (ODD) protocol in ensuring transparency in ABM design and assumptions, the accompanying model descriptions are often lengthy, making quick overviews challenging. To facilitate comprehension, manuscripts, presentations, and posters often include visualisations of the model. Yet, the diversity of visualisation approaches complicates model comparisons and requires additional time for viewers to grasp the figure layouts. Additionally, these visualisations are usually poorly linked to corresponding sections of the written ODD model description. To address these challenges, we propose the standardised visual ODD (vODD) aimed to provide a quick overview of models and simplify the link to the written model description for readers who are more interested in specific elements. The standardised visualisation assigns defined positions for ODD elements for easy reference and comparison. We provide examples and guidance on constructing vODDs, along with templates for modellers to create their own visuals. While advocating for simplicity, we also illustrate how more complex models can still be effectively depicted in such visualisations. By establishing a generalised visualisation applicable to agent-based and other simulation models, we aim to improve the rapid comprehension of models and streamline graphical model representations in manuscripts, presentations, and posters.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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