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
- Tweets to Citations: Unveiling the Impact of Social Media Influencers on
AI Research Visibility [88.19541361734302]
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) - Multidimensional well-being of US households at a fine spatial scale
using fused household surveys: fusionACS [0.0]
社会科学は、しばしば家庭や個人の調査に頼っている。
このような調査はアメリカ合衆国政府によって定期的に実施されている。
fusionACSプロジェクトは、複数の米国世帯調査のデータを統合することを目指している。
論文 参考訳(メタデータ) (2023-09-15T13:19:54Z) - 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) - Alibaba-Translate China's Submission for WMT 2022 Quality Estimation
Shared Task [80.22825549235556]
我々は、UniTEという品質評価共有タスクにおいて、文レベルのMQMベンチマークを提出する。
具体的には、トレーニング中に3種類の入力形式と事前学習された言語モデルを組み合わせたUniTEのフレームワークを用いる。
その結果,我々のモデルは多言語・英語・ロシア語設定では第1位,英語・ドイツ語・中国語設定では第2位に達した。
論文 参考訳(メタデータ) (2022-10-18T08:55:27Z) - Integrating Rankings into Quantized Scores in Peer Review [61.27794774537103]
ピアレビューでは、レビュアーは通常、論文のスコアを提供するように求められます。
この問題を軽減するため、カンファレンスはレビュアーにレビューした論文のランキングを付加するように求め始めている。
このランキング情報を使用するための標準的な手順はなく、エリアチェアは異なる方法でそれを使用することができる。
我々は、ランキング情報をスコアに組み込むために、原則化されたアプローチを取る。
論文 参考訳(メタデータ) (2022-04-05T19:39:13Z) - StudyMe: A New Mobile App for User-Centric N-of-1 Trials [68.8204255655161]
N-of-1臨床試験は、個人が個人の健康目標に対する介入の効果を体系的に評価できる多種多様な自己実験である。
StudyMeはオープンソースのモバイルアプリで、https://play.google.com/store/apps/details?id=health.studyu.me.comから無料で利用できる。
論文 参考訳(メタデータ) (2021-07-31T20:43:36Z) - MS MARCO: Benchmarking Ranking Models in the Large-Data Regime [57.37239054770001]
本稿では,MS MARCO と TREC Deep Learning Track をケーススタディとして用いた。
評価の取り組みの設計が、特定の成果を奨励または阻止する方法を示します。
我々は、ある種の落とし穴の分析と、そのような落とし穴を避けるためのベストプラクティスのステートメントを提供する。
論文 参考訳(メタデータ) (2021-05-09T20:57:36Z) - 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) - A bibliometric analysis of research based on the Roy Adaptation Model: a
contribution to Nursing [0.0]
1970年代にSor Callista Royが提唱した看護モデルであるRoy Adaptation Modelに基づく研究の現代の文献分析を行う。
Web of ScienceとSCOPUSという2つの主要な科学データベースからの情報を使用しました。
論文 参考訳(メタデータ) (2020-03-29T14:02:16Z)
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。