A call to interpret disagreement components during classification assessment DATA.xlsx
Notice bibliographique
Résumé
This foresight manuscript proposes several ideas concerning how to conduct insightful classification assessment. Authors should report disagreement components that relate to the research question, without anointing results as acceptable or good. This manuscript reviews the citations of the 2011 paper entitled ‘Death to Kappa: Birth of Quantity Disagreement and Allocation Disagreement for Accuracy Assessment’, which gave two recommendations: 1 do not use Kappa and 2 use disagreement components. We analyzed 200 articles that cited the Death to Kappa paper. A quarter of the articles followed both recommendations, another quarter followed only the first recommendation, another quarter followed only the second recommendation, and the last quarter followed neither recommendation. The attempt to replace Kappa with disagreement components has been partially effective, while Kappa continues to haunt several professions. We discuss misguided uses of Percent Correct and Kappa in Remote Sensing and Land Change Modeling. The concepts are general thus relate to additional fields. Authors frequently use arbitrary thresholds of metrics to claim that results are acceptable. However, the notion that results can be acceptable or not is inherently unscientific. Scientists must use a metric that addresses a clear research question in which the scientists have no vested interest in the 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 | 0,060 | 0,350 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,182 | 0,080 |
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 ».