MétaCan
Menu
Retour à la cohorte
Enregistrement W2512208358 · doi:10.20533/licej.2040.2589.2014.0214

The Body Image Project: Mobilizing Policy Research for Children’s Health

2014· article· en· W2512208358 sur OpenAlexaffabout
Lorayne Robertson, Kalin Moon, Scheidler- Benns

Notice bibliographique

RevueLiteracy Information and Computer Education Journal · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésImage (mathematics)Political scienceBusinessComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Knowledge mobilization projects attempt to make theory and research available in order to inform policy and practice.This paper describes a knowledge mobilization project at a Canadian university.A database of Canadian health curriculum policies was analyzed to discern the general approaches to body image across the country.The findings show that learning how to cultivate a positive body image is inconsistently addressed across the education policies of the thirteen provinces and territories.Secondly, many Canadian curriculum policy documents have missed opportunities to teach acceptance of diverse body types and other protective factors.Third, health is more strongly associated with fitness in policies than with more holistic approaches.A knowledge mobilization website project was established to encourage more critical understandings of healthy self-esteem and body image.The website contains summaries of current research pertaining to body image, child and adolescent development, and key messages about body-positive health.The online and open source material available includes ageappropriate lessons for teachers and parents.These materials have been designed to translate research into activities, lessons, and key messages that promote healthy body image and self-esteem.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,083
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,588
Score d'incertitude au seuil0,830

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0830,060
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0130,012
Communication savante0,0110,005
Science ouverte0,0040,014
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,039
Tête enseignante GPT0,503
Écart entre enseignants0,464 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLiteracy Information and Computer Education JournalMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207