441 件の論文
本研究は、コンピュータを用いたアセスメントから得られる項目調整済みプロセス指標が、厳格な学校レベルのサンプル外検証デザインの下においても、従来の質問紙データを超えて、PISA 2022における韓国の生徒の数学的達成度の予測を有意に向上させることを示している。
本研究は、系統的レビューにおける検索戦略のメソッド論的な質を評価・改善し、それによってバイアスを低減させ再現性を高めるための、7つの基準にわたる39の指標からなる実用的なシステムを開発した。
本論文は、関数出力シミュレータのための高度にスケーラブルでモジュール化されたエミュレータを導入するものであり、これは、グローバルなガウス過程の長さスケールの推定を活用して高速な局所回帰を可能にすることで、完全ベイズ的アプローチと比較して計算コストを大幅に削減しつつ、複雑なマルチフィジックスモデルの効率的な能動学習と迅速なキャリブレーションを促進するものである。
洪水被害を受けたケララ州の4,719世帯を対象とした2018年の調査データに基づき、本研究は、避難通知が避難の可能性を著しく高めること、そして対象を絞った対面での警告が、高リスク層および脆弱な集団に対して特に効果的であることを示している。
本研究は、Getty ULANとWikidataにおける米国議会図書館の権威レコードとの間の一致は、独立した裏付けを保証するものではないことを示しており、それはかなりの割合のリンクが伝播しているか追跡不能であることを意味し、その結果、独立性は統計的に不確定なままであり、リンクト・データ・ワークフローにおいてプロベナンス（由来）への依存性を明示的にモデル化する必要性を浮き彫りにしている。
本論文は、ケース・コホート・リスクセット・サンプリングをディープCox比例ハザードニューラルネットワークへと統合した初の試みを導入および評価するものであり、入れ子状ケース・コントロール・サンプリングがフル・リスクセットの性能を一貫して近似する一方で、ミニバッチ学習を用いることで、ケース・コホート・サンプリングが大幅な計算コストの削減を実現しつつ同等の精度を達成できることを実証している。
本研究は、深刻なデータ不足下における小地域雇用推定において、動的ベイズ階層モデルが精度および不確実性の定量化の面で機械学習推定量よりも優れている一方で、サンプルサイズや補助データの質が向上するにつれて機械学習手法も競争力を持つようになることを示しており、データ不足の設定における手法選択のための実用的な指針を提供するものである。
バイオ数学の講義における反転授業モデルの導入に関するこのデザイン研究に基づいた研究では、学生は極めて高い学業成績を収めた一方で、彼らの自己評価によるチームワークの属性は概して低下しており、これは複雑なソフトウェアツールの習得に伴う認知負荷の増大によって引き起こされた「レスポンス・シフト」に起因している可能性が高いことが判明した。
本論文は、GUM（測定における不確かさの表現に関するガイド）に準拠した不確かさ予算と分解能曲線を構築することで、一般的な実験設計上の欠陥、特に制御されていない温度変化や統計的な誤りが、電導度測定における偽陽性率を劇的に増大させることを示し、最終的に、著者自身の以前に報告されたデータが、物理化学的特性の変化を主張するために必要とされる厳格な検出限界を満たしていないことを証明している。
本研究は、ヘルスケアにおける人工知能への公衆の受容が、臨床的結果によって順序付けられた累積的な階層に従い、ドイツ語圏およびイタリア語圏の集団間で不変であり、かつ一意に決定された項目セットが存在しないにもかかわらず、5項目の短縮版によって効果的に捉えられることを示している。