TL;DR
- چکیده:.
- آزمایشهای انتخاب گسسته (DCEs) ترجیحات شرکتکنندگان را با مشاهده رفتار انتخابی آنها در سناریوهای فرضی بررسی میکنند و.
- بهطور گسترده در حوزه مراقبتهای بهداشتی استفاده میشوند.
چه اتفاقی افتاد
چکیده:. آزمایشهای انتخاب گسسته (DCEs) ترجیحات شرکتکنندگان را با مشاهده رفتار انتخابی آنها در سناریوهای فرضی بررسی میکنند و.
بهطور گسترده در حوزه مراقبتهای بهداشتی استفاده میشوند. برای کاهش بار شناختی شرکت کنندگان،.
به ویژه هنگامیکه با تعداد زیادی از ویژگیها سر و کار دارند،. محققان اغلب از طرحهای نمایه جزئی استفاده میکنند.
در این طرحها، ویژگیهای خاصی در هر مجموعه انتخابی ثابت نگه داشته میشوند. ادبیات کنونی در مورد طرحهای نمایه جزئی عمدتاً بر روی مدلهای جلوههای اصلی به جای مدلهای اثر متقابل.
تمرکز دارد،. با طرحهای نمایه جزئی خاص حتی قادر به تخمین اثرات متقابل نیستند.
برای پرداختن به این موضوع،. این مقاله یک الگوریتم بازپخت شبیهسازی شده (SA) را برای ساخت طرحهای نمایه جزئی بر اساس یک مدل.
اثرات متقابل معرفی میکند. در مرحله طراحی آزمایشی، وجود و میزان تعامل اثرات اغلب ناشناخته هستند.
بنابراین، این مقاله یک استراتژی طراحی تجربی مدل قوی را پیشنهاد میکند. از طریق آزمایشهای شبیهسازی گسترده و یک مطالعه موردی واقعی،.
ما نشان میدهیم که طراحی پروفایل جزئی مقاوم در برابر مدل SA ما بدون توجه به مدل اساسی،. نسبتاً خوب عمل میکند.
روش شناسی (stat. ME); محاسبات (stat.
CO) استناد بهعنوان: (یا v1 [stat. ME] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Yicheng Mao [مشاهده ایمیل] [v1] یکشنبه،.
5 آوریل 2026،. ساعت 22:.
25:. 08 UTC (177 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.