Notice bibliographique
Résumé
A confluence of kind-hearted people (in the right places), inspired to expand on a simple request from an influential old man, has so far enabled more than 500 underprivileged infants with serious facial deformities to smile properly for the first time. Not only have maxillo-facial surgeons across the country benefited from learning advanced surgical techniques, but top sporting folk and other celebrities have also seen the near-miraculous transformation of these little children’s faces -- and therefore their futures. The latest 27 tiny beneficiaries were last November given restorative surgery for a wide variety of facial abnormalities at Tygerberg Hospital near Cape Town during Smile Week, now a 6-year-old phenomenon in academic hospitals country-wide. The Smile Foundation was born of an idea that flowed from a simple request by former President Nelson Mandela to Gauteng businessman and philanthropist Marc Lubner. Madiba asked Lubner if he could facilitate surgery for an impoverished child he’d met who had a rare facial paralysis that prevented him from smiling. Lubner secured the services of top Canadian surgeons who worked with their local counterparts and realised ‘the synergistic power that a co-ordinated set of surgical programmes could have on a large number of children who could otherwise not afford this’. Next came health care philanthropist, pharmacist, and former Miss South Africa (1997), Kerishnee Naiker -- who happens to sit on the board of the Vodacom Foundation (the social responsibility arm of the telecommunications giant) and the Smile Foundation. During a 2007 Vodacom Foundation board meeting she strongly punted the Smile Foundation’s work, telling members it was ‘the kind of thing that needs showing not telling’.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».