TRADUÇÃO E ADAPTAÇÃO TRANSCULTURAL DA FERRAMENTA KNOWLEDGE TRANSLATION PLANNING TEMPLATE PARA O CONTEXTO BRASILEIRO
Bibliographic record
Abstract
RESUMO Objetivo: realizar a tradução, adaptação transcultural e validar o conteúdo da Knowledge Translation Planning Template para língua portuguesa do Brasil. Método: estudo metodológico, que seguiu seis etapas: tradução inicial, síntese da tradução, retrotradução, comitê de juízes, pré-teste e aprovação da versão adaptada pela autora da ferramenta. No comitê de juízes a validade do conteúdo foi calculada por meio do Índice de Validade de Conteúdo e Kappa modificado. O pré-teste foi realizado com docentes e discentes de um programa de pós-graduação da Universidade Federal de Santa Catarina. Resultados: o processo de tradução e retrotradução da ferramenta não apresentou discrepâncias em termos de significado. O comitê foi composto por sete juízes que realizaram avaliação semântica, cultural, conceitual e realizaram apontamentos quanto à tradução do conteúdo. Nesta etapa, a validade de conteúdo apresentou valores excelentes de Índice de Validade de Conteúdo e Kappa modificado, com 0,99 e 0,816 respectivamente. A ferramenta foi testada com 30 docentes e discentes de pós-graduação, onde 90% dos respondentes consideraram a ferramenta suficientemente abrangente, e que todos os itens são relevantes ao propósito da ferramenta. Na última etapa, os documentos foram analisados em conjunto com a autora da ferramenta original e a versão final foi aprovada. Conclusão: o Modelo de Planejamento de Tradução do Conhecimento é resultado de um processo criterioso de tradução, adaptação transcultural e validação de conteúdo da ferramenta. Isso gerou uma ferramenta aplicável e compreendida pelo público-alvo, a qual apresenta consistência na equivalência da tradução e adaptação transcultural para o Brasil.
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 | 0.013 | 0.034 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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.
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".