Create accountLogin

Recent searches

No recent searches

Search options

Only available when logged in.
mathstodon.xyz is one of the many independent Mastodon servers you can use to participate in the fediverse.
A Mastodon instance for maths people. We have LaTeX rendering in the web interface!

Administered by:

Server stats:

3K
active users

mathstodon.xyz: AboutStatusProfiles directoryPrivacy policy

Mastodon: AboutGet the appKeyboard shortcutsView source codev4.3.7

#dataanalysis

37 posts15 participants2 posts today
Public
Data Quine

Digital Care, code and text: Accelerating understanding of care data, March 28, 2025 by Stewart Hamilton | Category Data Science and Innovation Accelerator, Digital Scotland

Guest blog post by Sam Henderson-Palmer, Information Analyst, Care Inspectorate

blogs.gov.scot/digital/2025/03

Digital · Care, code and text: Accelerating understanding of care dataUpdates from the Scottish Government's Digital Directorate
#SocialCare#Scotland#DataAnalysis
Public
Calishat

#research #science #BigData #DataAnalysis #datasets

'Two hundred forty-six researchers in the fields of ecology and evolutionary biology — including two from Clemson University — worked in 174 teams to answer two different research questions based on the same unpublished data sets.

They came up with a strikingly variable range of answers, including some that were direct opposites of each other.'

news.clemson.edu/study-researc

Clemson News · Study: Researchers’ choices could result in different conclusions from the same dataThere is growing recognition among scientists that the many choices researchers must make — such as which statistical methods to apply — can lead to divergent conclusions even when the different options are all reasonable.  The leaders of the study say the results ring true to a growing recognition among scientists that the many choices researchers must make — such as which statistical methods to apply — can lead to divergent conclusions even when the different options are all reasonable. 
Public
ResearchBuzz: Firehose

Clemson News: Study: Researchers’ choices could result in different conclusions from the same data . “If you give hundreds of researchers the same data and the same hypotheses to test, they will reach the same conclusions, right? Wrong, according to a recent study published in the journal BMC Biology. Two hundred forty-six researchers in the fields of ecology and evolutionary biology — […]

https://rbfirehose.com/2025/04/01/study-researchers-choices-could-result-in-different-conclusions-from-the-same-data-clemson-news/

ResearchBuzz: Firehose | Individual posts from ResearchBuzz · Study: Researchers’ choices could result in different conclusions from the same data (Clemson News) | ResearchBuzz: Firehose
More from ResearchBuzz: Firehose
#science#research#datasets
Public
Vicent Giner-Bosch

Un buen ejemplo de que saber analizar datos es importante y, de hecho, en ocasiones puede ser crucial.

linkedin.com/posts/alberto-fer

www.linkedin.comDANA 29-O, ¿se podía haber actuado antes? | Alberto Ferrer Hermenegildo𝗗𝗔𝗡𝗔 𝟮𝟵-𝗢, ¿𝗦𝗘 𝗣𝗢𝗗Í𝗔 𝗛𝗔𝗕𝗘𝗥 𝗔𝗖𝗧𝗨𝗔𝗗𝗢 𝗔𝗡𝗧𝗘𝗦? Los datos y la forma en que los analizamos son fundamentales para entender qué está ocurriendo y tomar decisiones informadas. Tras la DANA que afectó a la provincia de Valencia en octubre de 2024, en Kensight nos preguntamos: ¿podríamos haber anticipado este desastre natural analizando los datos de caudales de aforos, embalses y pluviómetros de la Confederación Hidrográfica del Júcar (CHJ)? Para ello, solicitamos los registros durante el 2024 de más de 300 sensores que miden estos parámetros cada cinco minutos. Dada la complejidad y volumen de información, recurrimos a herramientas avanzadas de análisis de datos. Gracias a este enfoque, logramos visualizar con únicamente dos gráficos la situación en la Cuenca del Júcar cada cinco minutos (si bien aquí solo se muestra el que ha recogido la información más relevante). Es como si usáramos unas gafas especiales que permiten analizar simultáneamente los más de 300 sensores en la cuenca (ver detalle en Figura 1). ¿𝗤𝘂é 𝗿𝗲𝘃𝗲𝗹𝗮𝗿𝗼𝗻 𝗹𝗼𝘀 𝗱𝗮𝘁𝗼𝘀 𝗱𝗲 𝗹𝗮 𝗗𝗔𝗡𝗔? 🔹𝗙𝗶𝗴𝘂𝗿𝗮 𝟮: Indicador resumen de la evolución de los caudales en 2024. Hasta el 28 de octubre, salvo salidas puntuales, todo se mantenía dentro de los valores normales. Sin embargo, desde el 29 de octubre, comenzó un aumento constante que alcanzó su pico máximo en la madrugada del 30 de octubre, superando 70 veces el límite de control. 🔹𝗙𝗶𝗴𝘂𝗿𝗮 𝟯: A partir de las 4:10am del 29 de octubre, el indicador superó el límite de control y comenzó un aumento sostenido, señal de alerta extremadamente anómala. 🔹𝗙𝗶𝗴𝘂𝗿𝗮 𝟰: Confirma lo observado. Antes del 29 de octubre (puntos morados), los caudales estaban bajo control. Pero esa madrugada (puntos azules) se observó un cambio drástico en la tendencia, alcanzando su máximo el 30 de octubre (puntos verdes aguamarina). Posteriormente, los valores descendieron gradualmente. ¿𝗣𝗼𝗱𝗿í𝗮 𝗵𝗮𝗯𝗲𝗿𝘀𝗲 𝗮𝗻𝘁𝗶𝗰𝗶𝗽𝗮𝗱𝗼 𝗹𝗮 𝗰𝗮𝘁á𝘀𝘁𝗿𝗼𝗳𝗲? Estos datos plantean una pregunta crucial: si desde la madrugada del 29 de octubre los datos ya mostraban señales claras de alerta, ¿por qué no se activaron avisos antes? ¿Faltan herramientas adecuadas o mecanismos de respuesta para actuar con esta información? Disponer de sistemas avanzados de análisis de datos permite detectar patrones de riesgo en tiempo real y tomar decisiones antes de que las consecuencias sean irreversibles. Si con solo estos pocos gráficos hemos podido visualizar la evolución de los más de 300 sensores repartidos en la cuenca, imaginemos lo que se podría lograr si esta información se integrara en los sistemas de alerta y toma de decisiones. 𝘖𝘳𝘪𝘨𝘦𝘯 𝘥𝘦 𝘭𝘰𝘴 𝘥𝘢𝘵𝘰𝘴: 𝘚𝘦𝘤𝘳𝘦𝘵𝘢𝘳í𝘢 𝘥𝘦 𝘌𝘴𝘵𝘢𝘥𝘰 𝘥𝘦 𝘋𝘪𝘨𝘪𝘵𝘢𝘭𝘪𝘻𝘢𝘤𝘪ó𝘯 𝘦 𝘐𝘯𝘵𝘦𝘭𝘪𝘨𝘦𝘯𝘤𝘪𝘢 𝘈𝘳𝘵𝘪𝘧𝘪𝘤𝘪𝘢𝘭 𝘥𝘦𝘭 𝘔𝘪𝘯𝘪𝘴𝘵𝘦𝘳𝘪𝘰 𝘱𝘢𝘳𝘢 𝘭𝘢 𝘛𝘳𝘢𝘯𝘴𝘧𝘰𝘳𝘮𝘢𝘤𝘪ó𝘯 𝘋𝘪𝘨𝘪𝘵𝘢𝘭 𝘺 𝘥𝘦 𝘭𝘢 𝘍𝘶𝘯𝘤𝘪ó𝘯 𝘗ú𝘣𝘭𝘪𝘤𝘢.
SearchLive feeds
About