MétaCan
Menu
Retour à la cohorte
Enregistrement W3172396504 · doi:10.1590/rbce.43.e002921

Prescrição de exercícios físicos por inteligência artificial: a educação física vai acabar?

2021· article· pt· W3172396504 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRevista Brasileira de Ciências do Esporte · 2021
Typearticle
Languept
DomaineSocial Sciences
ThématiquePhysical Education and Gymnastics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

RESUMO Neste ensaio, tratamos de aplicativos fitness que, autonomamente, prescrevem exercício físico e algumas possíveis repercussões para a Educação Física. A prescrição por meio de inteligência artificial articula um conjunto de variáveis para a elaboração do treinamento, aproximando-se do que denominamos de “protocolização das práticas corporais”. Considerando as características da tecnologia em questão, elencamos três pontos de reflexão aos profissionais de Educação Física: não restringir o sujeito a variáveis; não se subordinar a padrões preestabelecidos; e, por fim, reconhecer a potência do encontro. Logo, à máquina cabe articular um conjunto de variáveis; aos profissionais, desenvolver competências eminentemente “humanas”.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,301
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,056
Tête enseignante GPT0,354
Écart entre enseignants0,298 · 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