Avtorji so najprej predstavili metodološke probleme telefonskih anket. Trendi kažejo, da so telefonske ankete še vedno najbolj priljubljen način zbiranja podatkov, saj je tako najlažje zagotoviti verjetnostne vzorce splošnih populacij s sprejemljivimi stopnjami odgovorov in stopnjami pokritosti. Problem je, ker se povečuje število gospodinjstev brez fiksnega telefona, vendar pa imajo ta gospodinjstva vsaj en mobilni telefon. Vendar pa so problem pri anketah izvedenih preko mobilnih telefonov povečani stroški. Glede na to so mešani načini anketiranja najbolj obetaven odgovor moderne metodologije anketiranja na navedene probleme. Avtorji najprej pokažejo kako analitično razviti enačbo in izračunati optimalno mešanico za določeno okolje. Drugi primer pa kaže, kako izvesti poanketno evalvacijo mešanih načinov anketiranja, kjer so stroški in napake hkrati obravnavani.
COBISS.SI-ID: 31854429
Aktivno vključevanje v skupnosti, z namenom razpravljanja, je danes pomemben del posameznikovih spletnih aktivnosti. Merjenje komunikacijskih vezi in omrežij med vključenimi v pogovore v takih skupnostih je tako postalo pomembno raziskovalno vprašanje v družboslovju. Vendar pa se zelo pogosto dogaja, zlasti v spletnih forumih, da ne obstajajo skoraj nobeni neposredni relacijski podatki, ki bi kazali na prisotnost komunikacijske vezi med sodelujočimi. V nasprotju z 'odgovori-na' strukturo pri novičarskih skupinah in pogovorih znotraj mailing liste Usenet-a, ki vsebujejo izrecne relacijske podatke, ustvarjene s strani udeležencev, nekaj spletnih forumov udeležencem omogoča le dodajanje novih sporočil k temi ali citiranje prejšnjih objav v temi. Ob pojavljanju novih razprav oz. sporočil, je težko opredeliti, kdo je odgovoril komu. Na podlagi študij socialnih omrežij, ki se ukvarjajo s konverzacijskimi vzorci v Usenet-u in v spletnih forumih, ta članek predstavlja drugačen pristop k prepoznavanju vezi med avtorji prispevkov. Razpravlja se o več predpostavkah, razvijajo in empirično vrednotijo se tudi različni ukrepi. Ugotovitve zagotavljajo izhodišče za razvoj standardizirane metodologije za proučevanje socialnih omrežij v spletnih skupnostih, kjer je na voljo le malo neposrednih informacij o komunikacijskih vezeh.
COBISS.SI-ID: 30132573
Avtorja poglavja sta obravnavala statistične in stroškovne probleme, ki se nanašajo na optimalni dvojni okvir in stroške pri mešanih anketah. Najprej sta predstavila različne modele dvojnega okvira in tri smeri raziskovalne literature o kombiniranih okvirjih. Avtorja nas v nadaljevanju seznanita tudi za analitičnimi rešitvami mešanih parametrov. Tekom študije sta se osredotočila na to, kako mešati podvzorce dobljene z mobilnimi in fiksnimi telefoni pri anketah z dvojnimi okviri. Avtorja sta ugotovila, da je za tvorjenje populacijske ocene optimalno vzeti 50% vsakega podvzorca, če je resnična populacijska vrednost na sredini. Če pa med njima ni nobene razlike, bi morali uporabiti le fiksne telefone, ker so cenejši.
COBISS.SI-ID: 31170141
Avtorji članka so analizirali strukturo nenatančnih markovih verig ter preučevali njihovo konvergenco z odnosi dostopnosti. Najprej so identificirali sklope stanj, tako imenovane minimalne stalne razrede, ki so zmožne vsebovati in ohranjati celotno verjetnost mase verig. S temi razredi lahko posplošujemo bistvene razrede, ki so znani iz klasične teorije. Nato so avtorji definirali razred nenatančnih nespremenljivih distribucij in pokazali, da so neenako definirani z vrednostmi zgornje verjetnosti pri minimalnih stalnih razredih. Poleg tega, postavili so pogoje za edinstveno konvergenco teh ekstremalnih nespremenljivih porazdelitev.
COBISS.SI-ID: 32156509
Visokodimenzionalni podatki v številnih domenah nastanejo naravno in so redno predstavljali velik izziv za tradicionalne metode podatkovnega rudarjenja, tako v smislu uspešnosti kot učinkovitosti. Razvrščanje v skupine postane zahtevno zaradi naraščajoče redkosti takšnih podatkov, kot tudi zaradi naraščajoče zahtevnosti prepoznavanja razdalje med podatkovnimi točkami. V tem članku zavzamemo nov pogled na problem razvrščanja v skupine pri visokodimenzionalnih podatkih. Namesto, da se pastem dimenzionalnosti izogibamo z opazovanjem podprostora nizkodimenzionalnih lastnosti, sprejmemo dimenzionalnost in izkoristimo nekatere inherentno visokodimenzionalne pojave. Natančneje pokažemo, da zvezdiščnost, t.j. tendenco visokodimenzionalnih podatkov, da vsebujejo točke (zvezdišča), ki se pogosto pojavljajo v seznamih k najbližnih sosedov drugih točk, lahko uspešno izkoristimo pri razvrščanju v skupine. Našo hipotezo potrdimo s tem, da predlagamo več na zvezdiščnosti osnovanih algoritmov za razvrščanje v skupine in jih preizkusimo na visokodimenzionalnih podatkih. Eksperimentalni rezultati kažejo dobro uspešnost naših algoritmov v več okoliščinah, še posebej ob prisotnosti velikih količin šuma.
COBISS.SI-ID: 26713639