Utilizing Social Media to Educate School Nutrition Professionals
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
Background: Schools enrolled in United States Department of Agriculture (USDA) Team Nutrition (TN) projects often have positive outcomes and develop useful resources. The challenge was to find an accessible mean to share outcomes and resources with schools across Ohio. Purpose: The purpose of this project was to design a blog to educate school nutrition professionals and build awareness of positive activities related to Ohio school meals. This project also aimed to identify indicators of engagement, make recommendations for research and practice, and identify a set of best practices for future blog site use. Methods: The foundation of the blog (OHIOSmarterLunchrooms.com) was content development in the form of original content, resource materials, evaluation tools, and school nutrition research. Results: In the initial eight months, the blog generated 1,301 visitors, 3,277 views and 793 resource downloads. Agency partnerships were important drivers of traffic to the site. A quarter of all referrals were generated from the state department of education, and 14% from the USDA. A statewide taste test event was effective in reaching schools not enrolled in TN-funded projects. Most published content (24 of 28 posts) was original content. Contributor posts received the most user views, “likes,” and ratings. The most popular downloads were taste test event materials (43%), followed by professionally designed signs and posters (37%). Conclusion: Utilizing a blog for information dissemination among school nutrition professionals has proven to be a viable educational platform. Participation and engagement in OHIO Smarter Lunchrooms content continues to grow.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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