Fantastic Models and How to Find Them: A Literature Review on Model Selection Practices
Notice bibliographique
Résumé
When starting a new modelling task, one of the very first decisions the modeller has to make is the choice of which model(s) to use. That this selection can have a significant impact on our model results has been shown through numerous studies (e.g. Melsen et al. [2018], Mendoza et al. [2015]). That it is often based on legacy (habit, practicality, convenience) rather than adequacy (fitness for purpose) has also been recognized (Addor&Melsen [2019]). We present the results of a literature review on previous model selection practices to better understand what modellers have considered important when choosing a model for a particular purpose.We analyze more than 250 studies discussing model selection, model intercomparison or multi-model studies with a focus on conceptual hydrologic models. We identify the criteria used to determine which models were considered “fit for purpose” and why. The analyzed studies compare between two and 7488 model structures in two to 1013 basins. We aggregate information on the evaluation criteria used for different modelling purposes and in different locations and identify common model selection strategies. We monitor the range of model performance in individual comparisons and document both, the progress made and the challenges faced during previous model comparisons.Our analysis shows a strong dependency on aggregated statistical metrics and a tendency for simplified calibration approaches that were meant to support a broad range of evaluation practices. This often led to a lack of clear answers on which models to prefer. The reasons that were given for (not) selecting a specific model structure seem to indicate a mismatch between the perceptions of when model adequacy is reached. We therefore conclude with a critical discussion of previous model selection strategies and call for a more nuanced approach to model evaluation as well as standards for reporting modelling practices and results.
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 | 0,028 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,007 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».