Facteurs influençant l’apport alimentaire en rations des soldats canadiens dans l’Arctique : un sondage national
Bibliographic record
Abstract
Objectif. Documenter la perception des soldats des Forces armées canadiennes (FAC) quant aux facteurs influençant leur apport alimentaire en rations de combat durant leur travail en Arctique. Méthodes. Un questionnaire bilingue électronique a été envoyé nationalement à des soldats s’étant entraînés dans l’Arctique entre 2015 et 2018. Il comportait 6 questions ouvertes et 33 fermées sur les facteurs influençant l’apport alimentaire et l’acceptabilité des rations. Résultats. Parmi les 54 questionnaires remplis (taux de réponse : 31 %), 6 étaient incomplets et ont été exclus. L’échantillon final était composé de 48 militaires de neuf provinces ayant en moyenne 12,1 ± 6,8 années d’expérience dans les FAC. Les facteurs ayant le plus d’effets négatifs sur l’apport alimentaire étaient la température des aliments, le fait de manger en se déplaçant, l’horaire des exercices et activités, ainsi que l’équipement nécessaire à la préparation et à la consommation. Les participants ont déclaré avoir consommé entre 61 et 71 % des rations. Ils ont noté qu’un temps considérable était nécessaire pour préparer les rations puisqu’elles étaient congelées. Soixante-cinq pour cent des soldats ont rapporté une perte de poids durant leur travail dans l’Arctique. Conclusions. Une multitude de facteurs a influencé l’apport et les pratiques alimentaires des soldats. Ces résultats guideront les recherches futures et aideront à la prise de décisions concernant de possibles changements aux rations en Arctique.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".