論文の概要: Weights and Methodology Brief for the COVID-19 Symptom Survey by University of Maryland and Carnegie Mellon University, in Partnership with Facebook

• arxiv url: http://arxiv.org/abs/2009.14675v2
• Date: Tue, 6 Oct 2020 15:34:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-01 00:24:49.273694
• Title: Weights and Methodology Brief for the COVID-19 Symptom Survey by University of Maryland and Carnegie Mellon University, in Partnership with Facebook
• Title（参考訳）: メリーランド大学とカーネギーメロン大学がfacebookと共同で行ったcovid-19の症状調査のための重みと方法論
• Authors: Neta Barkay, Curtiss Cobb, Roee Eilat, Tal Galili, Daniel Haimovich, Sarah LaRocca, Katherine Morris, Tal Sarig
• Abstract要約: Facebookは新型コロナウイルス研究を支援するため、学術機関と提携している。 本稿では,データ利用者が重みを使って分析を行うために使用した手法について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facebook is partnering with academic institutions to support COVID-19 research. Currently, we are inviting Facebook app users in the United States to take a survey collected by faculty at Carnegie Mellon University (CMU) Delphi Research Center, and we are inviting Facebook app users in more than 200 countries or territories globally to take a survey collected by faculty at the University of Maryland (UMD) Joint Program in Survey Methodology (JPSM). As part of this initiative, we are applying best practices from survey statistics to design and execute two components: (1) sampling design and (2) survey weights, which make the sample more representative of the general population. This paper describes the methods we used in these efforts in order to allow data users to execute their analyses using the weights.
• Abstract（参考訳）: Facebookは、新型コロナウイルス研究を支援する学術機関と提携している。 現在、米国内のfacebookアプリのユーザに対して、カーネギーメロン大学(cmu)デルフィ研究センターの教員が収集した調査を依頼しています。 このイニシアチブの一環として,調査統計学のベストプラクティスを適用して,(1) 標本設計と(2) 調査重量の2つのコンポーネントを設計・実行し,そのサンプルが一般人口の代表的になるようにしている。 本稿では,データ利用者が重みを使って分析を行えるようにするために,これらの取り組みに用いた手法について述べる。

関連論文リスト

• LM Agents for Coordinating Multi-User Information Gathering [82.3543678605684]
  PeopleJoinは、LMによる協調的な問題解決を評価するためのベンチマークである。 PeopleJoinは、PeopleJoin-QAとPeopleJoin-DocCreationの2つの評価ドメインで構成されている。
  論文  参考訳（メタデータ） (2025-02-17T21:19:45Z)
• Specializing Large Language Models to Simulate Survey Response Distributions for Global Populations [49.908708778200115]
  我々は,調査応答分布をシミュレートする大規模言語モデル (LLM) を最初に開発した。 テストベッドとして、我々は2つの世界文化調査の国レベルの結果を使用します。 予測された応答分布と実際の応答分布のばらつきを最小限に抑えるために, ファースト・ツーケン確率に基づく微調整法を提案する。
  論文  参考訳（メタデータ） (2025-02-10T21:59:27Z)
• Multi-Platform Aggregated Dataset of Online Communities (MADOC) [64.45797970830233]
  MADOCはBluesky、Koo、Reddit、Voat(2012-2024)のデータを集め、標準化している。 このデータセットは、標準化されたインタラクション記録と感情分析を通じて、プラットフォーム間の有害な振る舞いの進化の比較研究を可能にする。
  論文  参考訳（メタデータ） (2025-01-22T14:02:11Z)
• Labeled Datasets for Research on Information Operations [71.34999856621306]
  ソーシャルメディアプラットフォームによって検証されたIOポストと、同様のトピックを同じ時間フレーム(制御データ)で議論した303kアカウントによる1300万以上の投稿の両方を含む、26のキャンペーンに関するラベル付きデータセットを新たに提示する。 データセットは、さまざまなキャンペーンや国で調整されたアカウントによって使用される物語、ネットワークインタラクション、エンゲージメント戦略の研究を促進する。
  論文  参考訳（メタデータ） (2024-11-15T22:15:01Z)
• WEIRD ICWSM: How Western, Educated, Industrialized, Rich, and Democratic is Social Computing Research? [3.0829845709781725]
  我々は,AAAI ICWSMカンファレンスで行った研究において,WEIRD人口に対する依存度を評価した。 その結果、これらの論文の37%は、欧米のデータにのみ焦点をあてていることがわかった。 ICWSMの研究では、教育、工業化、富の国からの人口を主に調査している。
  論文  参考訳（メタデータ） (2024-06-04T08:17:47Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• "It's not like Jarvis, but it's pretty close!" -- Examining ChatGPT's Usage among Undergraduate Students in Computer Science [3.6936132187945923]
  ChatGPTやGoogle Bardのような大規模言語モデル(LLM)は、学術界で大きな注目を集めている。 本研究は,大学院コンピュータサイエンスの学生がChatGPTをどのように利用するのかを包括的に理解するための,学生第一のアプローチを採用する。
  論文  参考訳（メタデータ） (2023-11-16T08:10:18Z)
• MER 2023: Multi-label Learning, Modality Robustness, and Semi-Supervised Learning [90.17500229142755]
  第1回マルチモーダル感情認識チャレンジ(MER 2023)は、ACMマルチメディアで成功した。 本稿では、この課題の背景にある動機を紹介し、ベンチマークデータセットを説明し、参加者に関する統計情報を提供する。 この高品質なデータセットは、特に中国の研究コミュニティにとって、マルチモーダルな感情認識の新しいベンチマークになり得ると考えています。
  論文  参考訳（メタデータ） (2023-04-18T13:23:42Z)
• Post or Tweet: Lessons from a Study of Facebook and Twitter Usage [9.888864336862385]
  このワークショップでは、FacebookとTwitterという、おそらく最も人気のある2つのソーシャルネットワークサイトについて、現在進行中の混合調査についてレポートする。 この研究の目的は、参加者のモチベーションに関する調査データとAPI抽出を通じて収集された利用データを組み合わせることで、ソーシャルメディアの選択とクロスプラットフォーム利用のニュアンスに光を当てることである。
  論文  参考訳（メタデータ） (2020-11-27T15:55:02Z)
• Using social media to measure demographic responses to natural disaster: Insights from a large-scale Facebook survey following the 2019 Australia Bushfires [3.441021278275805]
  われわれは、Facebookアプリ自体を通じて、ディスアスター後の人口統計と経済効果を迅速に調査する。 これらの調査回答は、Facebook Displacement Mapsを含むアプリ由来のモビリティデータを強化するために使用します。 我々は、変位決定やタイミングなど、重要な領域のいくつかの違いを明らかにした。
  論文  参考訳（メタデータ） (2020-08-09T05:55:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。