MétaCan
Menu
Retour à la cohorte
Enregistrement W4308791554 · doi:10.47820/recima21.v3i11.2148

GAMIFICAÇÃO PARA TRATAMENTO DE DISTÚRBIOS VISUAIS, O VILÃO SE TORNA HERÓI

2022· article· pt· W4308791554 sur OpenAlexaff
Aline Passos Santos, Rodrigo Trentin Sonoda

Notice bibliographique

RevueRECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218 · 2022
Typearticle
Languept
DomaineSocial Sciences
ThématiqueHealth, Education, and Aging
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyArtPhysics

Résumé

récupéré en direct d'OpenAlex

A tecnologia proporciona diversas possibilidades e pelo seu acesso simples as pessoas aderiram de forma acentuada ao seu uso. De modo que isto trouxe consigo algumas consequências, especialmente para a visão, pelo excesso de tempo de uso das telas e games. Existe uma considerável parte da população que utiliza aparelhos eletrônicos intensamente para realizar suas tarefas diárias, seja para se relacionar com outras pessoas, para trabalhar com diversos tipos de telas. Essa utilização pode se tornar exacerbada e ocasionar alguns malefícios devido a exposição a luz azul, tais como fadiga ocular, sedentarismo, alteração no ciclo circadiano e o uso exagerado da acomodação, ocasionando estresse e fadiga ocular. A tecnologia pode proporcionar benefícios, podendo contribuir para tratamentos de distúrbios visuais, utilizando o ambiente virtual, ou ainda servindo de ferramenta para documentar as disfunções, objetivando-se de maneira não invasiva melhorar a visão binocular e acuidade visual de forma mais atrativa e interessante que os métodos tradicionais. Através de pesquisas bibliográficas e publicações indexadas nas plataformas Scielo, PubMed e Google Acadêmico, demonstra-se a importância de pesquisas sobre a manutenção e reabilitação de saúde visual.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,004

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 Opus0,081
Tête enseignante GPT0,397
Écart entre enseignants0,316 · 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'étudeSans objet
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218Même sujetHealth, Education, and AgingTravaux en français237 207