Settingbezogene Gesundheitsförderung und Prävention in der digitalen Transformation
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.
Notice bibliographique
Résumé
Our everyday lives, which are largely shaped in particular settings, are being increasingly affected by technological innovations. For example, work processes and organisational structures are becoming increasingly digital, which creates new health opportunities but also poses risks. From the perspective of science, practice and politics, this book reflects on and discusses what the digital transformation of settings as well as the availability of new digital tools mean for setting-related health promotion and prevention. Against this background, a new conceptual understanding of digital settings is presented in the context of the setting approach. This book presents the latest research findings, practice-based projects and current professional experiences. <bold>With contributions by</bold> Joanna Albrecht | Jennifer Apolinário-Hagen | Anja Bestmann | Berit Brandes | Dirk Bruland | Heide Busse | Julia Anna Deipenbrock | Christoph Dockweiler | Gudrun Faller | Susanne Giel | Ludwig Grillich | Beate Grossmann | Rahim Hajji | Stephanie M. Helmer | Laura Herrera Bayo | Friederike Keipke | Jessica Kemper | Marion Kiem | Lena Köhler | Kilian Krämer | Simon Lang | Änne-Dörte Latteck | Matthias Meyer | Kristin Mielke | Markus Möckel | Saskia Muellmann | Eva Obernauer | Nadine Pieck | Uwe Prümel-Philippsen | Inke Ruhe | Christel Salewski| Philip Santangelo | Ulrike Scorna | Mariella Seel | Jelena Sörensen | Anna Lea Stark | Elitsa Uzunova | Gunnar Voß | Stefan Winter
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,006 |
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 découle