我发布了两份关于Mechanical Turk的调查,我没有要求我的工人提供任何联系信息.甚至可能不允许这样做:无论如何现在已经太晚了.
现在我想向完成任务的所有人发送电子邮件或其他类型的消息
在此页面上:http://www.itworld.com/internet/76659/experimenting-mechanical-turk-5-how-tos它表示您可以通过单击已完成任务列表中的工作者ID来发送电子邮件.但是,当我查看我的MTurk帐户时,情况并非如此.
在Manage> Workers下,我可以单击一个worker ID,然后获得该worker的一些详细信息,以及奖励或阻止它们的选项.但不要发送任何消息.
此功能已被删除吗？我是否需要学习使用糟糕的命令行工具？
似乎有许多"新"语言,但实际上似乎大多数流行的,非实验性的,已经在他们的青少年,真正的主流比大多数初级程序员更老.现在我只记得这个显而易见的事实,当我意识到本月(1994年2月)甚至"时髦"的Ruby语言是15.虽然像哈斯克尔这样的东西,但是每个人都要学习的东西比那个更老.
考虑到它是唯一真正使用的新语言,我可以想到10岁以下的是C#.但即使C#也没有真正的新功能,尽管它已经获得了它的前辈的一些最好的功能.
所以我想知道现在有哪些新语言及其相应的新功能/想法在10以下？从现在起10年后可能出现什么大事？任何新的语言功能都值得期待？或者我们已经完成了???
显然,没有什么新东西不是混合或改进.也许是LOLCODE,因为它的设计是荒谬的,但是像Brainf*ck和WhiteSpace这样的东西基本上都是古老的基于堆栈的汇编语言.
我们是否已进入编程语言的百科全书时代？
我正在为一家公司制作一个系统,除了其他东西之外必须保存关于各种事物的满意程度的信息,我已经使用固定问题和答案的固定模型使其工作正常,但我确信他们将需要更改或添加问题.
所以我想创建一个系统,用户可以在其中制作自定义评估模式,其中包含由他们定义的自定义问题.我该如何制作这样的设计？
现在我的模型是这个,但错了:
RATING_CHOICES = ((0, u"Good"), (1, u"Bad"), (2, u"Dunno"),)
class EvaluationScheme(models.Model):
title = models.CharField(max_length=200)
class Evaluation(models.Model):
doctor = models.CharField(max_length=200)
agency = models.CharField(max_length=200)
scheme = models.ForeignKey(EvaluationScheme)
class EvaluationQuestion(models.Model):
question = models.CharField(max_length=200)
evaluation = models.ForeignKey(EvaluationScheme)
def __unicode__(self):
return self.question
class EvaluationAnswer(models.Model):
evaluation = models.ForeignKey(Evaluation)
question = models.ForeignKey(EvaluationQuestion)
answer = models.SmallIntegerField(choices=RATING_CHOICES)
这是我想要的,除了EvaluationScheme是无用的,因为您仍然必须自己选择所有问题和答案 - 它不会显示仅与选择的模式相关的问题的列表.
我和一些朋友正在考虑编写一个新的FOSS项目,辩论分为使用.NET或其他东西.
所以我想知道在Linux机器上是否有针对Mono的广告安装基础？如果在Windows机器上有Mono或Microsoft .Net的已知安装基础？
谢谢.
安装基础 - 实际使用的特定类型系统的单元数量的度量.
我一直在使用surveygizmo,这是一个非常强大的在线调查问卷主持人.数据可以导出为csv文件,但它有两个[不是一个]标题行.第一行指定问题,第二行包含响应者可能已检查的可能响应.这在数据读写世界中看起来非常准确,但在调查领域似乎很正常.如何将这样的文件读入R？
Surveygizmo曾经有一个"旧的"出口格式将所有内容放在一行,但我最近遇到的问题是网站不会导出它.Surveygizmo对"旧"格式并不感兴趣,因为它是2代以前,他们不想支持它.
在一个简单的调查中,一位帮助我的实习生能够通过以下代码克服这个问题
#Read csv file with two rows of headers
#Append the second row to the first row
df <-read.csv(csvfile,skip=1,stringsAsFactors=FALSE) #Read csv without any header
hl=readLines(csvfile, 2) #Read the two header lines as char strings
hl=strsplit(hl,',') #Split headers up by commas
colnames(df)=sub('_$','',paste(hl[[1]],hl[[2]],sep="")) #join second row to first row
但是,如果调查时间越长,问题越多,问题越长(因此标题越长),我们的暴力方法就无效了.
最后,我想要一个带有列标题的数据框,然后我将与来自后续调查的另一个数据框合并.任何处理此问题的在线参考？
以下是具有两个标题行的csv文件的示例.第3行和最后一行是第一行数据.我已经改变了与私人健康信息相关的所有内容.标题非常长,因为调查Gizmo使用整个问题作为标题.
"","","","","","","","","","Inclusion Criteria I or my child is a patient with recurrent respiratory papillomatosis (RRP)How do you know that you or your child has RRP? Please check whatever is …我有几个客户问这个,我从来没有得到或给出一个满意的答案.您(实际上)可以将工作表单放入HTML电子邮件中吗？
我的理解是你可以,但是不能保证电子邮件客户端正确处理它,所以这种方法只适用于你有机会测试的个人收件人,而不是使用各种各样的人的庞大邮件列表邮件客户端.但我的理解来自很多开发人员朋友对这个问题的耸耸肩,而且没有任何权威,我发现无论如何都给出了明确的答案.
Stack Overflow的想法是什么？当一位客户要求您做这件事时,最好的答案是什么？例如,他们希望几百人填写调查表？
(不要只是回答"提供链接到网站上的表单".这是明显的答案.我想具体了解是否对电子邮件中的表单达成共识.)
我需要开发自定义软件来进行调查.问题可能有多种选择,或者在极少数情况下可以是自由文本.
我被要求设计一个子系统来检查多个选择部分的手动数据条目是否有任何错误.我们正在努力加快用户数据输入流程,并尽量减少数字表格和原始问卷之间的人为输入差异.调查由人工访问者填写手写标记和文本,因此可能会发现难以阅读的标记,或者用户可能会在某些问题中意外选择不同的值,我们希望避免这种情况.
该软件必须包含一些自动控制,以检测可能的键入差异.多项选择题的每个答案具有相同的被选择概率.
这个问题有两个部分:
我想到的最简单的事情是实现问题显示的最有用的设计:使用大而可读的字体和空间慷慨的选择.还有别的吗？为了更快的输入,我想使用下拉列表(偏向键盘而不是鼠标).鉴于问题按部分分组,我想显示为该部分的问题选择的答案,但这可能会减慢这一过程.还有其他想法吗？
我还可以做些什么来最小化或检查多项选择题中的人为拼写错误？这是一个可以解决的问题吗？是否有一些统计方法来检查用户输入的值是否与手工填写的表格相同？例如,我们假设调查有5个问题,每个问题有4个选项.假设我有n个调查表,由访调员填写论文,他们已准备好输入软件,然后如何最大限度地减少可能有n次调查的手动转录的意外差异,而无需仔细检查所有内容n次调查的5个问题？
我的第一个建议是,在处理所有手工填写表格的最后,软件可以随机选择一些表格,在几个实例中对答复进行双重检查,但我可以根据什么标准进行选择？这种验证足以涵盖所有内容吗？
实际调查是国家层面的,共有56页,总共有200多个问题,所以很多人都会写很多手写页面,目的是减少错误的可能性并优化数据输入的速度处理.考虑到采访笔记本电脑或掌上电脑的复杂性,调查必须首先填写.
是否存在从svyby对象为比例创建置信区间的现有函数(在我的示例中为survey包中的二进制项的交叉表).我经常比较各组的比例,并且拥有一个可以提取置信区间的函数(使用调查函数svyciprop而不是confint)是非常方便的.下面的例子显示了我想要实现的目标.
加载数据
library(survey)
library(weights)
data(api)
apiclus1$both<-dummify(apiclus1$both)[,1]#Create dummy variable
dclus1<-svydesign(id=~dnum, weights=~pw, data=apiclus1, fpc=~fpc)
创建一个svyby对象,比较stype中变量"both"的比例
b<-svyby(~both, ~stype, dclus1, svymean)
confint(b)#This works, but svyciprop is best in other cases, especially when proportion is close to 0 or 1
svyciprop(b)#This requires that you specify each level and a design object
是否有可能创建一个函数(例如byCI(b,method="likelihood"),它实现与confint(b)使用相同svyciprop？它基本上必须遍历svyby对象的每个级别并创建置信区间.到目前为止,我的尝试都没有成功.
可能有另一种方法,但我喜欢使用,svyby()因为它快速和直观.
我想svyglm在使用多重插补时从模型的结果中获取 p 值。下面是一个可重现的示例。
library(tibble)
library(survey)
library(mitools)
# Data set 1
# Note that I am excluding the "income" variable from the "df"s and creating
# it separately so that it varies between the data sets. This simulates the
# variation with multiple imputation. Since I am using the same seed
# (i.e., 123), all the other variables will be the same, the only one that
# will vary will be "income."
set.seed(123)
df1 <- tibble(id = seq(1, …