MétaCan
Menu
Retour à la cohorte
Enregistrement W2048874832 · doi:10.1097/01.alc.0000153543.03339.81

Demon Rum: High-Tech Solutions to an Age-Old Problem

2005· article· en· W2048874832 sur OpenAlexaboutno aff
Scott T. Walters, Reid K. Hester, Emil Chiauzzi, Elizabeth Miller

Notice bibliographique

RevueAlcoholism Clinical and Experimental Research · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionThe InternetIntervention (counseling)Web sitePsychologyMillerMedical educationMedicineWorld Wide WebComputer sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

This article summarizes the proceedings of a symposium at the 2004 Research Society on Alcoholism Meeting in Vancouver, British Columbia, Canada, organized and chaired by Scott T. Walters. The purpose of the symposium was to describe several brief motivational interventions offered via the Internet, including the evidence for web-based interventions, applications and contexts in which such approaches are being used, and directions for future research. Walters provided an overview and introduction to the topic and discussed the e-CHUG (www.e-chug.com) and e-TOKE (www.e-toke.com) feedback interventions for college alcohol and marijuana prevention, including the contexts in which they are being used and ways they are being integrated with other campus prevention efforts. Dr. Hester presented 12-month results from a controlled trial of the Drinker's Check-up (www.drinkerscheckup.com), an intervention for adult problem drinkers that is available both as a Windows and as an Internet application. Dr. Chiauzzi described the development and testing of My Student Body (www.mystudentbody.com), a tailored drinking prevention web site for college students. Finally, Dr. Miller addressed the use of online assessment and feedback to reduce drinking, including the history of web-based interventions and their likely future and the potential limitations of such approaches.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,792

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,265
Tête enseignante GPT0,506
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlcoholism Clinical and Experimental ResearchMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207