Zwischen politischen Zielen und niedrigschwelliger Umsetzung: Chancen und Herausforderungen der Digitalisierung in der settingbezogenen Gesundheitsförderung – Ein Erfahrungsbericht der Landesvereinigu...
Notice bibliographique
Résumé
0. Einleitung 308 1. Die Organisation von Gesundheitsförderung auf Länderebene 308 2. Die LVG MV als Partnerin in der Gesundheitsförderung 309 3. Digitalisierung in der Gesundheitsförderung: Einführung und Begriffsbestimmung 310 4. Digitalisierung der Gesundheitsförderung aus Sicht der LVG MV 312 4.1 Veränderung der Angebote für Multiplikator*innen und Endverbrau cher*innen durch die Digitalisierung 313 4.2 Veränderung der Arbeitsweise für die LVG MV durch die Digitalisierung 315 4.3 Chancen und Herausforderungen durch Digitalisierung in der Gesundheits förderung 316 5. Fazit 319 Literatur 321 Zusammenfassung Digitale Gesundheitsförderung erfordert von Institutionen Engagement und Bereitschaft zu Veränderungen.Konzeption und Umsetzung digitaler Angebote bündeln personelle, materielle und finanzielle Ressourcen.Be deutender Vorteil digitaler Angebote ist die Flexibilität der Nutzbarkeit: Lange Anfahrtswege entfallen, unkompliziertes Netzwerken wird ermög licht und es können neue Zielgruppen erreicht werden.Die Nutzung digitaler Angebote erfordert ein Mindestmaß an Gesundheitskompetenz und Eigenverantwortung.Deshalb ist es erforderlich, dass die Angebote 307
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,035 |
| Communication savante | 0,019 | 0,018 |
| Science ouverte | 0,001 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».