Integrating Exchange and Heuristic Theories of Survey Nonresponse
Bibliographic record
Abstract
L'intégration des théories d'échanges et des théories heuristiques de la non-réponse dans les enquêtes : Depuis dix ans, on constate un intérêt croissant dans la théorisation de la non-réponse dans les enquêtes: Des chercheurs tels que Dillman, Groves et Couper ont construit pour tous les domaines des sciences sociales des schémas conceptuels pour expliquer pourquoi des gens acceptent ou refusent de participer à des enquêtes. Mais l'approfondissement conceptuel est source de complexification et de confusion. En débutant avec l'analyse de l'usage actuel, dans des articles sur la non-réponse dans plusieurs revues reconnues, des relations entre la théorie des échanges et la théorie des heuristiques psychologiques en faveur de la participation, nous construisons un schéma conceptuel à deux dimensions. Basé sur des travaux de Groves et Couper, une dimension est définie comme « l'importance de la prise de décision ». Ceci aide à situer l'interprétation heuristique des décisions de participer. La seconde dimension, appelée « force des facteurs culturels », clarifie les variétés différentes de la théorie des échanges qui examinent la décision de participer. De ce point de vue, il devient clair qu'une source de confusion dans la théorisation de la non-réponse est l'hétérogénéité des approches rassemblées sous le nom « d'échanges sociaux ». Au niveau le plus général, les échanges sociaux forment l'arrière plan de la plupart des théorisations de la non-réponse, mais une fois définis plus spécifiquement, il est possible de les emboîter dans l'une ou l'autre des cases d'un tableau à deux dimensions.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.116 | 0.301 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.008 | 0.008 |
| Science and technology studies | 0.002 | 0.008 |
| Scholarly communication | 0.008 | 0.015 |
| Open science | 0.005 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".