iCARE - Sampling-Based Differences in the Canadian Samples
Notice bibliographique
Résumé
In early 2020, an international team of investigators, led by the Montreal Behavioural Medicine Centre (MBMC), launched a large survey-based project (the iCARE Study) aiming to track people’s experiences and behaviours during the COVID-19 pandemic across the world. As part of this endeavor, several sampling strategies were employed to recruit participants, but could be classified into two large categories. The first category regroups efforts (e.g., online advertising, snowball sampling through word-of-mouth) that recruits a convenience-based sample of unpaid volunteers to take the survey. The second category involves efforts to recruit more representative samples for given countries (e.g., using a polling firm that makes use of a large panel selected to match the wider population on key demographic characteristics). The current project aims to examine the degree to which samples produced by these two types of methods produce effects that are comparable/different from each other using Canadian data from the iCARE Study. A detailed preregistration file has been uploaded with this registration. This file outlines our hypotheses, data, and analytic plans.
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 | 0,063 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,010 | 0,003 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 ».