The Forecasting Proficiency Test: A General Use Assessment of Forecasting Ability
Notice bibliographique
Résumé
How can we identify accurate forecasters? Current gold standard approaches draw from two sources of information: simple cognitive assessments of reasoning ability and past forecasting accuracy. Cognitive assessments are well-studied and normed psychometric instruments, but have lower predictive value. Real-world forecasting problems are more challenging to norm a priori: they typically require a large comparison sample of forecasters to make predictive inferences. This paper develops the Forecasting Proficiency Test (FPT): a one-hour test that predicts more than 60% of the variation in out-of-sample forecasting accuracy, double the predictive utility of prior work. We highlight several key results: (1) Eliciting forecasts in a quantile format is considerably more psychometrically reliable, meaning it is more efficient at reducing measurement error about forecasters' expected accuracy with fewer items, than forecasts elicited using the standard probability format common to most judgmental forecasting tournaments. (2) Several cognitive tasks, novel to forecasting research, are highly predictive of forecasting ability. These include denominator neglect, Bayesian updating, and adherence to decision rules. (3) Although our methods do best at separating out the worst forecasters from the population, they are also remarkably effective at identifying elite talent in the upper range of the skill distribution.
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 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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».