(How) can clinical psychology contribute to increasing vaccination rates in Europe?
Notice bibliographique
Résumé
(How) Can Clinical Psychology Contribute to Increasing Vaccination Rates in Europe? Authors Tania M. Lincoln Clinical Psychology and Psychotherapy, Institute of Psychology, University of Hamburg, Hamburg, Germany Winfried Rief Division of Clinical Psychology and Psychotherapy, Department of Psychology, Philipps-University of Marburg, Marburg, Germany Abstract No abstract available. Most read articles by the same author(s) Winfried Rief, Cornelia Weise, Make a Wish – What Are the Wishes for Clinical Psychology and Psychological Treatment? , Clinical Psychology in Europe: Vol. 3 No. 4 (2021) Claudi Bockting, Winfried Rief, Ambassadors of Clinical Psychology and Psychological Treatment , Clinical Psychology in Europe: Vol. 4 No. 1 (2022) PDF HTML XML Article info Impact Citations How to Cite License Published at 30. September 2021 https://doi.org/10.32872/cpe.7525 Issue: Vol. 3 No. 3 (2021) Section: Editorial Keywords: vaccination vaccine hesitancy COVID-19 Share: Z Lincoln, T. M., & Rief, W. (2021). (How) Can Clinical Psychology Contribute to Increasing Vaccination Rates in Europe?. Clinical Psychology in Europe, 3(3), 1-6. https://doi.org/10.32872/cpe.7525 More Citation Formats ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver Download Citation Endnote/Zotero/Mendeley (RIS) BibTeX This work is licensed under a Creative Commons Attribution (CC BY) 4.0 International License. PlumX Dimensions Views: Total Abstract PDF HTML XML 672 308 297 52 15 Downloads: Download data is not yet available.
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 | 0,017 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».