Research Showcase Early Bird Abstracts
Notice bibliographique
Résumé
The 2023 Dietitians of Canada (DC) National Conference held on 25–26 May 2023 was our first in-person conference since June 2019 and celebrated our unity and resiliency as a profession. It was amazing! The Canadian Foundation for Dietetic Research (CFDR) showcased a diverse array of experience sharing and research abstracts through oral and poster presentations, and virtual sessions. There were 23 Early Bird (EB) research abstracts, in which 10 were selected for in-person presentations during the conference, and 19 Late Breaking research abstracts which were posters. Thank you to all who submitted abstracts! Thanks to the dedication and commitment of the Abstract Review Committee members. Early Bird Abstract Review Committee: Susan Campisi (University of Toronto); Andrea Glenn (University of Toronto); Mahsa Jessri (University of British Columbia); Louise St-Denis (University of Montreal). Late Breaking Abstract Review Committee: Lesley Andrade (University of Waterloo); Carla D’Andreamatteo (Consultant, Winnipeg); Laura Forbes (University of Guelph); Billie Jane Hermosura (University of Ottawa); Christine Nash (University Health Network); Louise St-Denis (University of Montreal). Thanks to the CFDR Board, DC Conference team, digital partners, all of the moderators, and conference attendees for supporting the research presentations. Warm regards, Christina Lengyel, PhD, RD Chair, 2023 EB/LB Abstract Committees Professor Food and Human Nutritional Sciences University of Manitoba Ravi Sidhu Managing Director Development & Operations CFDR
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 | 0,023 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,214 | 0,114 |
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 ».