DO BRASIL AO CANADÁ: TRADUÇÃO E ADAPTAÇÃO TRANSCULTURAL DE UM APLICATIVO PARA AMAMENTAÇÃO DE PREMATUROS
Bibliographic record
Abstract
RESUMO Objetivo: traduzir e adaptar culturalmente o app AmamentaCoach, originalmente desenvolvido no Brasil, para utilização por mães de prematuros no Canadá, mediante colaboração internacional de pesquisa. Método: pesquisa aplicada na modalidade de desenvolvimento tecnológico, em que foram consideradas as recomendações da Organização Mundial da Saúde para tradução e adaptação cultural de instrumentos. Cinco pesquisadoras canadenses experts em promoção da amamentação avaliaram a aparência, linguagem e conteúdo da nova versão do app. Foi utilizado um instrumento com 18 itens com opções de resposta em escala Likert indicando o grau de concordância para cada afirmação, em que 1=Strongly Disagree, 2=Disagree, 3=Neutral, 4=Agree, e 5=Strongly Agree. Resultados: na primeira rodada de avaliação, o Índice de Validade de Conteúdo total (IVC-T) foi de 0,72 e 6 dos 18 itens não alcançaram IVC-I ≥0.8. Modificaram-se 59 telas (74%) do app, especialmente quanto à linguagem e qualidade da tradução dos textos, atingindo-se IVC-T=0,87 na segunda rodada. Conclusão: o app The Breastfeeding Coach apresentou expressões ajustadas à realidade canadense, imagens significativas e novos recursos auxiliares próprios do Canadá. Alterações no conteúdo e atenuações no padrão retórico textual, instadas pelas diferenças culturais na relação enfermeiro-cliente e no papel da mulher nessas duas distintas sociedades, buscaram coerência com a realidade das práticas de amamentação no Canadá.
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 | 0.010 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".