1,720,960 research outputs found
TRAITEMENT DES DONNÉES MANQUANTES AVEC DES MODÈLES DE SUPERPOPULATION, EN UTILISANT UNE APPROCHE BASÉE SUR LE PLAN DE SONDAGE ET DES METHODES D'APPRENTISSAGE AUTOMATIQUE
No full textSurvey theory is encountering new fields of application in connection with machine learning methods and Big Data. The main topic of this thesis is the treatment of missing data, including by machine learning methods. The treatment of non-response is of great practical interest, given the steady decline in survey response rates over the last few decades. In survey statistics, a distinction is made between total non-response and partial non-response. Total non-response occurs when no information is available for a unit in the sample, while partial non-response occurs when only a few variables of interest are known. Total non-response is generally dealt with by weight adjustment procedures. Partial non-response, on the other hand, tends to be handled by imputation methods. Weighting and imputation share the same objective: to reduce nonresponse bias and, if possible, limit nonresponse variance. In this thesis, we propose a new imputation method that preserves the correlation between the variables of interest in two stages. In the first stage, initial imputed values are obtained using Shao and Wang's method. The initial values are then modified to meet calibration constraints (based on MIVQUE estimators of the model parameters). The second part of this thesis proposes two imputation procedures that preserve the finite population distribution function when the variables of interest have a large number of zero values. The last part of this thesis is devoted to the estimation of response probabilities in a context of weighting to correct for total nonresponse. Response probabilities can be estimated using parametric or non-parametric methods. We carry out an extensive simulation study to compare a large number of methods for estimating response probabilities by supervised learning, in a finite population framework. In these simulations, we cover a wide range of parametric and non-parametric methods, with simple or aggregated decision rules such as Random Forests and Boosting. For each method, the performance of the expansion estimator and the Hajek estimator of a total are measured in terms of relative bias and relative efficiency.La théorie des sondages rencontre de nouveaux champs d’application en relation avec les méthodes d’apprentissage ou Machine Learning, ainsi que les données massives ou Big Data. Le sujet principal de cette thèse est le traitement des données manquantes y compris par les méthodes d’apprentissage machine. Le traitement de la non-réponse est d’un intérêt pratique très important étant donnée la baisse constante du taux de réponse aux enquêtes depuis plusieurs décennies. En statistique d’enquête, on distingue la non réponse totale de la non réponse partielle. La première a lieu lorsqu’aucune information n’est utilisable pour une unité de l’échantillon alors que la seconde correspond au cas où seules quelques variables d’intérêt sont renseignées. La non réponse totale est généralement traitée par des procédures d’ajustement de poids. En revanche, la non réponse partielle est plutôt traitée par des méthodes d'imputation. Pondération et imputation partagent le même objectif : réduire le biais de non réponse et, si possible, limiter la variance de non réponse. Dans la première partie de ce travail de thèse, nous proposons une nouvelle méthode d’imputation préservant la corrélation entre les variables d’intérêt en deux étapes. La première étape consiste à obtenir des valeurs imputées initiales par la méthode de Shao et Wang. Ensuite les valeurs initiales sont modifiées de façon à respecter des contraintes de calages (basées sur des estimateurs MIVQUE des paramètres de modèle). La deuxième partie de cette thèse propose deux procédures d’imputation qui préservent la fonction de répartition en population finie quand les variables d’intérêt présentent un grand nombre de valeurs nulles. La dernière partie de cette thèse est consacrée à l’estimation des probabilités de réponse dans un contexte de pondération pour correction de la non réponse totale. Les probabilités de réponse peuvent être estimées par des méthodes paramétriques ou non paramétriques. Nous faisons une vaste étude par simulation pour comparer un grand nombre de méthodes d’estimation des probabilités de réponse par apprentissage supervisé, dans un cadre de population finie. Dans ces simulations, nous couvrons un large champ de méthodes paramétriques ou non, avec des règles de décisions simples ou agrégées telles que Random Forests et Boosting. Pour chaque méthode, ce sont les performances de l’estimateur par expansion et de l’estimateurs de Hajek d’un total qui sont mesurées en termes de biais relatif et d’efficacité relative
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
TRAITEMENT DES DONNÉES MANQUANTES AVEC DES MODÈLES DE SUPERPOPULATION, EN UTILISANT UNE APPROCHE BASÉE SUR LE PLAN DE SONDAGE ET DES METHODES D'APPRENTISSAGE AUTOMATIQUE
No full textSurvey theory is encountering new fields of application in connection with machine learning methods and Big Data. The main topic of this thesis is the treatment of missing data, including by machine learning methods. The treatment of non-response is of great practical interest, given the steady decline in survey response rates over the last few decades. In survey statistics, a distinction is made between total non-response and partial non-response. Total non-response occurs when no information is available for a unit in the sample, while partial non-response occurs when only a few variables of interest are known. Total non-response is generally dealt with by weight adjustment procedures. Partial non-response, on the other hand, tends to be handled by imputation methods. Weighting and imputation share the same objective: to reduce nonresponse bias and, if possible, limit nonresponse variance. In this thesis, we propose a new imputation method that preserves the correlation between the variables of interest in two stages. In the first stage, initial imputed values are obtained using Shao and Wang's method. The initial values are then modified to meet calibration constraints (based on MIVQUE estimators of the model parameters). The second part of this thesis proposes two imputation procedures that preserve the finite population distribution function when the variables of interest have a large number of zero values. The last part of this thesis is devoted to the estimation of response probabilities in a context of weighting to correct for total nonresponse. Response probabilities can be estimated using parametric or non-parametric methods. We carry out an extensive simulation study to compare a large number of methods for estimating response probabilities by supervised learning, in a finite population framework. In these simulations, we cover a wide range of parametric and non-parametric methods, with simple or aggregated decision rules such as Random Forests and Boosting. For each method, the performance of the expansion estimator and the Hajek estimator of a total are measured in terms of relative bias and relative efficiency.La théorie des sondages rencontre de nouveaux champs d’application en relation avec les méthodes d’apprentissage ou Machine Learning, ainsi que les données massives ou Big Data. Le sujet principal de cette thèse est le traitement des données manquantes y compris par les méthodes d’apprentissage machine. Le traitement de la non-réponse est d’un intérêt pratique très important étant donnée la baisse constante du taux de réponse aux enquêtes depuis plusieurs décennies. En statistique d’enquête, on distingue la non réponse totale de la non réponse partielle. La première a lieu lorsqu’aucune information n’est utilisable pour une unité de l’échantillon alors que la seconde correspond au cas où seules quelques variables d’intérêt sont renseignées. La non réponse totale est généralement traitée par des procédures d’ajustement de poids. En revanche, la non réponse partielle est plutôt traitée par des méthodes d'imputation. Pondération et imputation partagent le même objectif : réduire le biais de non réponse et, si possible, limiter la variance de non réponse. Dans la première partie de ce travail de thèse, nous proposons une nouvelle méthode d’imputation préservant la corrélation entre les variables d’intérêt en deux étapes. La première étape consiste à obtenir des valeurs imputées initiales par la méthode de Shao et Wang. Ensuite les valeurs initiales sont modifiées de façon à respecter des contraintes de calages (basées sur des estimateurs MIVQUE des paramètres de modèle). La deuxième partie de cette thèse propose deux procédures d’imputation qui préservent la fonction de répartition en population finie quand les variables d’intérêt présentent un grand nombre de valeurs nulles. La dernière partie de cette thèse est consacrée à l’estimation des probabilités de réponse dans un contexte de pondération pour correction de la non réponse totale. Les probabilités de réponse peuvent être estimées par des méthodes paramétriques ou non paramétriques. Nous faisons une vaste étude par simulation pour comparer un grand nombre de méthodes d’estimation des probabilités de réponse par apprentissage supervisé, dans un cadre de population finie. Dans ces simulations, nous couvrons un large champ de méthodes paramétriques ou non, avec des règles de décisions simples ou agrégées telles que Random Forests et Boosting. Pour chaque méthode, ce sont les performances de l’estimateur par expansion et de l’estimateurs de Hajek d’un total qui sont mesurées en termes de biais relatif et d’efficacité relative
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Get PDFWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
Preserving the distribution function in surveys in case of imputation for zero inflated data
Get PDFInternational audienceItem non-response in surveys is usually handled by single imputation, whose main objective is to reduce the non-response bias. Imputation methods need to be adapted to the study variable. For instance, in business surveys, the interest variables often contain a large number of zeros. Motivated by a mixture regression model, we propose two imputation procedures for such data and study their statistical properties. We show that these procedures preserve the distribution function if the imputation model is well specified. The results of a simulation study illustrate the good performance of the proposed methods in terms of bias and mean square error
koamabayili/VECTRON-author-checklist: VECTRON author checklist
No full textWe have done our best to complete the author checklist relating to the use of animals in the hut study. Note that the objective for the hut study was to evaluate the IRS treatment applications for residual efficacy against Anopheles mosquitoes, including the local An. coluzzii mosquito population. Cows were only used to attract mosquitoes into the huts and no tests were carried out directly on the cows. The author checklist is intended for use with studies where experiments are carried out on animals, which is why we have had such difficulty in completing this for the hut study, as many of the questions do not relate to how the cows were used
- …
