MétaCan
Menu
Retour à la cohorte
Enregistrement W6921324858 · doi:10.6084/m9.figshare.7892756.v1

The Venus Factor 2.0

2019· article· en· W6921324858 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDietingWeight lossWork (physics)Plan (archaeology)Weight control

Résumé

récupéré en direct d'OpenAlex

Venus Factor is a digital weight loss program for women. It contains several eBooks (PDFs), videos and audio files, and a community forum exclusively for its members only. If you are a woman, you might have noticed that it is more difficult to lose weight. Maybe you have noticed your boyfriend, husband or male friends losing weight and building muscle quickly- but you struggle to shift that extra flab around your belly, thighs and hips? It turns out that there are reasons why females find it more difficult to lose weight – and The Venus Factor is the solution. Women store fat differently than men and even with exercise and dieting this fat can be difficult to shift. This is why a one-size-fits-all fitness program might not work as well for women. This is a program that takes into consideration the way that women store fat and what exercises they can do to shift it. The Venus Factor is a 12 week nutrition plan that is designed to help women lose weight as efficiently as possible. It is a quick and easy solution to getting a slim body. The system has been finely tuned over time and it has been proven to work on real women. So why do women need a different diet and exercise plan? Barban explains that women should be treated differently when it comes to diet and exercise because they have different hormones. The hormone leptin is responsible for fat burning and it speeds up the metabolism and signals for your body to burn fat. The Venus Factor was written by John Barban, who is an expert in health and fitness. He has studied his masters degree in Human Biology and Nutrition at the University of Guelph and he then went on to do a number of other graduate studies at the University of Florida. He also taught at the University of Florida in the department of Health and Human performance.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,625

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0030,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,5620,475

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 Opus0,169
Tête enseignante GPT0,486
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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetObesity and Health PracticesTravaux en français237 207