政府統計ミクロデータの提供とわが国統計制度の今日的課題
Notice bibliographique
Résumé
It was as early as 1960s when some countries such as the United States and United Kingdom have released anonymized resampled micro data created from censuses and surveys followed by Canada and some Nordic countries. Many analytical findings with micro based data have carved out new frontiers not only in academic research but also in their policy use that traditional table-based analyses could never promise. In addition to the enormous contributions in offering academic findings, micro data have created new dimensions in terms of potential usability of statistical data. New types of datasets such as longitudinal and panel data created from individual records have cultivated a new arena of dynamic data analysis that neither cross sectional nor time series data could afford. Japan is far behind other foreign countries in terms of the use of micro data. Government has been hesitant in creating public use micro data files in Japan due partly to the apprehensions for the potential threat of privacy issues and partly to the conventional practice of data enclosure within institutions. Governments' negative responses to the disclosure of micro data have also been supported by the strict application of confidentiality clause stipulated in Japanese Statistics Law. During a couple of decades after 1980, however, many countries which appeared to be new member countries with public use micro data files have amended their legislative frameworks one afteranother so as to adjust confidentiality clause with launching systems to provide public use micr data files. This paper aims to bring to the light the impending challenge of Japanese statistical system.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».