MétaCan
Menu
Back to cohort
Record W7063747880

Aktualisering av Nätra-underlaget, etapp 2, del 2: Möjliga datakällor

2018· article· sv· W7063747880 on OpenAlexaboutno aff

Bibliographic record

VenueKTH Publication Database DiVA (KTH Royal Institute of Technology) · 2018
Typearticle
Languagesv
FieldEngineering
TopicParticle accelerators and beam dynamics
Canadian institutionsnot available
Fundersnot available
KeywordsAge discriminationGender discrimination
DOInot available

Abstract

fetched live from OpenAlex

I Del 2 ändrade vi inriktning på projektet då vi kommit till slutsatsen att det med dagensförutsättningar inte är möjligt att aktualisera NÄTRA-underlaget med enenkätundersökning. Dessutom är enkätundersökningar problematiska att använda fördenna typ av undersökning, framför allt på grund av problem med svarsbenägenhet.Vi kom till slutsatsen att det finns ett behov att ta ett steg tillbaka och undersöka vilkametoder som är mest lovande att använda för framställning och utveckling avkunskapsunderlag om regionala näringslivstransporter. Det finns en rad möjliga metodermed olika för- och nackdelar – där vissa är mer lovande på kort sikt och andra ärintressanta på längre sikt. Tillsammans med Trafikverket kom vi fram till att vi tror att detär viktigt att först genomföra en bred inventering av möjliga datakällor för att sen kunnautvärdera vilka metoder som är mest lovande för att förbättra kunskapsunderlaget omregionala näringslivstransporter.Vi genomförde därför en bred kartläggning av trafikflödes- och passagemätningar,statistiska undersökningar och registerdata, företagssystem, samt tidigare relevantastudier och kartläggningar. Inventeringen visade på olika för- och nackdelar med olikadatakällor och insamlingsmetoder. Vi studerade även de modellansatser som finns för attfånga regionala näringslivstransporter kopplat till det databehov som finns i dessamodeller. Efter att ha utvärderat dessa landade vi i att det som var intressant attundersöka närmare inom ramen för projektet var registerdata, modellutveckling samt enbeskrivning av vissa branscher, vilket vi fördjupade oss i.Fördjupningen kring registerdata visade att det finns möjligheter till framtagning avunderlag kring exempelvis fördelning av passager vid trängselskatteportaler med olikafordonstyper. Genom att koppla registerdata till trängselskattedata, är det möjligt attkoppla på branschtillhörighet och göra antaganden om vilka fordon som tillhör lättyrkestrafik exempelvis genom ägartyp, bilmärke, etc. Även vissa uppskattningar om andelutländska fordon vid passager är möjliga att göra. Användning av registerdata är relativtsett resurs- och tidseffektivt då registerdata redan är sammanställd. Utveckling av enlämplig metod för att säkerställa kvalitet och att rätt data tas fram krävs. Initialt krävs attett registeruttag skapas, vilket kan vara problematiskt beroende på vilken organisationsom söker åtkomst till data och hur kontakten med utlämnarorganisationen ser ut. Oftastär det lättast att få åtkomst till sekretesskyddade data för forskare på högskolor ochuniversitet.Fördjupningen kring modellutveckling visade att det finns olika sätt som modeller kringregionala näringslivstransporter kan utvecklas. En variant är att med metaanalys av tillgänglig data från olika källor, sammanställa det och sedan använda olika statistiskametoder för att skatta parametrar i modeller som kan användas för att görascenarioanalyser och prognoser. En annan variant är att med hjälp av mer aktuella indata(alstringstal och körsträckefördelning samt observerade trafikflöden) med bättre kvalitet,förbättra den modellering av lätt yrkestrafik som tagits fram vid konstruktionen av lättyrkestrafik till Sampers regionala modeller (Edwards et al., 201b7). Ytterligare en variantär att estimera multinomiala logitmodeller av motsvarande typ som man gjort i Calgary iKanada baserat på exempelvis insamlade data från GPS-mottagare, för att sedankombinera det med samsdata på områdesnivå och annan data av intresse. Det bör ocksåvara möjligt att estimera nya OD-matriser för näringslivets transporter med hjälp avträngselskattedata i kombination med annan registerdata.I fördjupningen kring branscher diskuterades branschindelningar generellt – och lättyrkestrafik och byggbranschen beskrevs mer specifikt. Fokus i beskrivningen var påmöjligheten till insamling av information och hur branscherna i stort ser ut.Olika datakällor är intressanta på olika tidshorisont och för olika syften. På kortare siktmenar vi att det viktigaste är att undersöka användbarheten på relativt sett lättillgängligaoch kvalitetssäkrade data såsom registerdata.Vilken data som framför allt är intressant att använda beror på vilken modell somanvänds. Vi menar därför att det är viktigt att fortsätta modellutvecklingen och att följautvecklingen inom området. Detta är ett mer långsiktigt arbete.Det är också viktigt att parallellt fortsätta att undersöka datakällor som på längre sikt kanbli intressanta att använda för detta ändamål. Exempelvis företagssystem är en intressantdatakälla där det finns information som kan vara intressant underlag om regionalanäringslivstransporter. I nuläget är det flera frågor som är oklara, t.ex. kopplat till hurdataunderlaget skulle kunna tillgängliggöras. Dessutom kräver det troligtvisutvecklingsarbete för att tillgängliggöra ett sådant underlag.

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 imitation

Not 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.

metaresearch head score (Codex)0.010
metaresearch head score (Gemma)0.019
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.108
Threshold uncertainty score0.362

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0100.019
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.003
Science and technology studies0.0030.001
Scholarly communication0.0170.013
Open science0.0020.007
Research integrity0.0030.004
Insufficient payload (model declined to judge)0.1080.063

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.

Opus teacher head0.026
GPT teacher head0.267
Teacher spread0.241 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueKTH Publication Database DiVA (KTH Royal Institute of Technology)Same topicParticle accelerators and beam dynamicsFrench-language works237,207