Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p data-end="1456" data-start="626">This deliverable provides the data-collection blueprint for the project <em data-end="743" data-start="698">&ldquo;Why People Do Not Use Financial Planning.&rdquo;</em> It lays out a transparent, replicable protocol for building a multi-platform corpus of real-world consumer narratives and complaints, focusing on barriers faced by low- and middle-income households in the U.S. and Canada. The primary corpus is drawn from four major public platforms&mdash;Google (search and reviews), Reddit, X (Twitter), and Quora&mdash;so that we can capture intent, lived experience, real-time discourse, and explicitly stated reasons for (not) using financial planners. Supplementary benchmarking sources include CFPB&rsquo;s Consumer Complaint Database, Better Business Bureau records, and Yelp reviews, which are used to cross-validate and enrich the barrier taxonomy.</p> <p>The protocol specifies search strategies, platform-specific filters, time windows, and metadata to retain (e.g., timestamps, engagement metrics, geography) as well as governance rules such as compliance with robots.txt/Terms of Service, exclusion of paywalled or login-gated content, and procedures for anonymization and PII scrubbing. It also documents known limitations&mdash;sampling bias, short/noisy texts, astroturfing/fraud&mdash;and the mitigation steps built into the pipeline (post-stratification, topic-model stability checks, spam/fake-review screening). Together, this deliverable serves as a methodological foundation for the project&rsquo;s subsequent topic-modeling and sentiment/framing analyses and as a reusable template for other researchers who wish to apply NLP to public web data in consumer-finance contexts.</p>
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.
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle