Tilastografiikan tuotannon automaatio R-ohjelmointikielellä - Case Suomen Pankki
Notice bibliographique
Résumé
Tämän toiminnallisen opinnäytetyön tilaaja oli Suomen Pankki. Kehitysprojektin toimeksiantona oli tilastografiikkaa tuottava automaatioratkaisu R-ohjelmointikielellä. Opinnäytetyönä toteutettiin vakiomuotoista tilastografiikkaa tuottava ohjelma, joka noutaa tarvittavat tiedot, piirtää niistä tilastografiikkaa ja tallentaa kuvat. Raportissa kuvataan tämän ohjelman toimintaa ja kehitysvaiheita. \n \nOhjelman kehittämisessä pyrittiin automatisoimaan prosessi mahdollisimman pitkälle ja sisällyttämään siihen kaikki loppukäyttäjän toivomat ominaisuudet. Automatisoidusta tilastografiikasta pyrittiin saamaan visuaalisesti samanlaista kuin aikaisemmassa manuaalisessa ratkaisussa. Projektin aikana testattiin useita ominaisuuksia ja toteutusvaihtoehtoja, joista osa karsiutui lopullisesta ohjelmasta. \n \nLopputuotoksena toteutettiin ohjelma, joka hakee kuukausittain päivitettävät tiedot Suomen Pankin omasta tietokannasta, piirtää niistä tilastografiikkaa ja tallentaa kuvat kootuksi esitykseksi. Koska ratkaisua tullaan vielä tulevaisuudessa kehittämään, myös jatkokehityksen mahdollistaminen huomioitiin projektissa. \n \nOpinnäytetyö kuvaa toteutettua ohjelmaa, sen toimintoja ja kehitysvaiheita. Lisäksi työssä esitellään tilastografiikan käsitteitä yleisellä tasolla ja käytäntöjä sekä R:n toimintoja. Raportissa käsitellään myös saatua palautetta ja arvioidaan lopputuotosta toimeksiannon alkuperäisten tavoitteiden pohjalta.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,122 | 0,030 |
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 ».