MétaCan
Menu
Retour à la cohorte
Enregistrement W2970461856 · doi:10.11606/t.6.2019.tde-27082019-151157

Tecnologias de apoio à implementação do guia alimentar para a população brasileira na atenção básica

2019· dissertation· pt· W2970461856 sur OpenAlexfundno aff
Lígia Cardoso dos Reis

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoInternational Development Research Centre
Mots-clésContent validityFace validityScale (ratio)Construct validityConfirmatory factor analysisPsychologyReliability (semiconductor)Construct (python library)Psychological interventionMedical educationContent analysisHealth professionalsTest (biology)Promotion (chess)Health careApplied psychologyMedicineNursingComputer sciencePsychometricsClinical psychologyStructural equation modeling

Résumé

récupéré en direct d'OpenAlex

AGRADECIMENTOS À minha querida orientadora Patricia, pelo exemplo de liderança que não espera obediência, por me conduzir com tanta leveza e sabedoria no meu processo de aprendizagem sobre Nutrição em Saúde Pública, políticas públicas, pesquisa e docência, trabalho em equipe, comunicação, autoconfiança e, claro, feminismo.Agradeço especialmente por ter uma prática tão coerente com seu discurso político, por confiar no meu trabalho e exigir de mim a todo momento a construção de um pensamento crítico e investigativo, e a adoção de postura autônoma.Que grande privilégio e responsabilidade ser sua educanda!À minha família, em especial à minha mãe (Lourdes), ao meu pai (Donato), à minha irmã (Adriana), às tias poaenses e baianas, e ao tio Edmundo, por terem me apresentado Chico, Tom, Vinícius, Caetano, comida de verdade com afeto e tantas outras referências importantes para a humanização da minha prática como nutricionista atuante em saúde pública e pesquisadora.Agradeço pelo apoio, incentivo e especialmente por tê-los como importantes referenciais de amorosidade.

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)0,031
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,085
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0300,005

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 Opus0,056
Tête enseignante GPT0,364
Écart entre enseignants0,308 · 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'étudeQualitatif
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetConsumer Attitudes and Food LabelingTravaux en français237 207