Notice bibliographique
Résumé
年 7 月に行われた European Survey Research Association(ESRA)のカンファレンスでは，インタ ーネットを利用した調査における工夫や課題について多くの報告が行われた．Dillman が提唱する Push-to-Web を用いることにより， インターネットを利用した Mixed-Mode 調査でも回収率を高めることが できる．カナダの国勢調査ではネットによる回収が約 7 割を占めた．オンライン調査におけるモバイル端 末への対応に関する工夫も報告された．画面サイズが小さいモバイル端末に不向きなグリッド形式の質問 の欠点を解消するため，de Leeuw は Horizontal Scrolling Matrix(HSM)形式を，Barlas らはアコーディ オングリッド形式を提案している． また， オンライン調査では， スマートフォンによる回答が増えており， 質問文や画面レイアウトなどは「モバイルファースト」で作成するべきだという意見もあった．本稿は， 日本におけるインターネットを活用した調査方法論の発展に資するため，これらの知見を整理して論じる ものである． At the European Survey Research Association (ESRA) conference held in July 2017, there were many reports on contrivances and issues with regards to Internet surveys.By using the Push-to-Web for which Dillman advocated, it is possible to increase response rates using the Internet, even with Mixed-Mode surveys.In the Canadian census, Internet responses accounted for approximately 70% of responses.Contrivances that used mobile devices in online surveys were also reported.De Leeuw proposed the Horizontal Scrolling Matrix (HSM) format and Barlas et al. proposed the accordion grid format to solve the weak points in grid format questions unsuitable for mobile devices with small screen sizes.Furthermore, smartphone responses increased in online surveys.Therefore, there were also suggestions that questionnaires and screen layouts should be created with "Mobile First."We organize these findings to discuss and contribute to the development of Internet-based survey methodologies in Japan.１. はじめに ２．Mixed-Mode 調査 ３．Push2Web ４．確率パネル ５．オンライン調査でのモバイルデバイスへの対応 ６．非確率オンライン調査のデータ品質 ７．混合デバイス調査 ８．モバイルデバイスでの新しい測定機能 ９．パッシブモバイルデータの収集 10．ビッグデータと調査 11．おわりに 29 政策と調査 第14号(2018年3月)
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 | 0,094 | 0,229 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,025 |
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 ».