MétaCan
Menu
Back to cohort
Record W1209009906 · doi:10.25365/thesis.23736

Gesundheitsfördernde settingsbezogene Netzwerke in Österreich

2012· article· de· W1209009906 on OpenAlexaboutno aff
Johanna Holzner

Bibliographic record

VenueUniversity of Vienna · 2012
Typearticle
Languagede
FieldHealth Professions
TopicHealth and Medical Studies
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Gesundheit ist keine Selbstverständlichkeit, sondern wird von Verhältnissen in der Umwelt, gesellschaftlichen Bedingungen, den psycho-physischen Voraussetzungen eines Individuums sowie individuellem Verhalten beeinflusst. Sie lässt sich daher laut der Ottawa Charta am besten dort fördern, wo Individuen arbeiten und leben, also in deren alltäglichen Lebenswelt, in sogenannten Settings (BMG nd). Um gesundheitsförderliche Initiativen zu verbinden, die Verbreitung von Kriterien der Qualitätssicherung ebenso wie den Austausch zu fördern, rief man gesundheitsfördernde settingbezogene Netzwerke ins Leben. Wenngleich derartige Netzwerke auch in Österreich seit dem Ende der 1980er Jahre bestehen, fand bisher kaum systematische Forschung zu diesem Themenbereich statt. Die vorliegende Arbeit will daher einen ersten Einblick in das Feld gesundheitsfördernder settingbezogener Netzwerke bieten und Gemeinsamkeiten bzw. Unterschiede beleuchten. Für den empirischen Teil dieser Masterarbeit wurden im Zeitraum von Dezember 2011 bis März 2012 acht qualitative Expertinnen-/Experteninterviews mit Vertreterinnen/Vertretern österreichischer settingbezogener Gesundheitsförderungsnetzwerke sowie des FGÖs und des Hauptverbandes der österreichischen Sozialversicherungsträger geführt. Die Auswertung des gewonnenen Datenmaterials erfolgte mittels inhaltlich strukturierender Inhaltsanalyse nach Mayring (2000). Das gewählte Verfahren geht bei der Kategorienbildung sowohl induktiv als auch deduktiv vor. Die Hauptkategorien der Analyse – Struktur, Ziele und Mitgliedschaft – entstammen daher der soziologischen Organisations- und Netzwerktheorie. Die Analyse des gewonnen Datenmaterials zeigte, dass zwischen den untersuchten Netzwerken erhebliche Unterschiede, aber auch viele Parallelen bestehen. So verfügen alle Netzwerke über eine zentrale Koordinationsstelle bzw. Steuergruppe, in der in den meisten Fällen auch relevante Stakeholder vertreten sind. Die größten Gemeinsamkeiten ließen sich im Hinblick auf die Ziele der Netzwerke ausmachen: Jedes der sechs Netzwerke ist bestrebt, die Implementierung von Gesundheitsförderung im jeweiligen Setting zu fördern, den Informationsfluss zwischen den einzelnen Mitgliedern zu unterstützen und das Thema Gesundheitsförderung auch im öffentlichen Diskurs zu verankern. Bei ihrer Tätigkeit sehen sich die Netzwerke mit zahlreichen Herausforderungen konfrontiert, die vielfach den besonderen Bedingungen und Strukturen der einbezogenen Settings entspringen. Mit der Schwierigkeit, Gesundheitsförderung langfristig, flächendeckend und qualitätsvoll umzusetzen sowie fehlenden personellen bzw. finanziellen Ressourcen sehen sich jedoch alle untersuchten Netzwerke konfrontiert.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.012
metaresearch head score (Gemma)0.011
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.138
Threshold uncertainty score0.275

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0120.011
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.004
Science and technology studies0.0120.008
Scholarly communication0.0090.006
Open science0.0020.011
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0210.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.060
GPT teacher head0.355
Teacher spread0.295 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2012
Admission routes1
Has abstractyes

Explore more

Same venueUniversity of ViennaSame topicHealth and Medical StudiesFrench-language works237,207