ახალგაზრდა სპორტსმენების ეთიკური სწავლებისა და აღზრდის პროგრამის შემუშავება და დანერგვა დოპინგის გამოყენებასთან ბრძოლის მიზნით
Bibliographic record
Abstract
1. შესავალი -- 1.1 კვლევის აქტუალობა და სამეცნიერო სიახლე -- 1.2 კვლევის მიზანი და ამოცანები -- 2. მეთოდოლოგია -- 3. სამეცნიერო ლიტერატურის მიმოხილვა -- 4. რაოდენობრივი კვლევა -- 4.1 ზოგადი ინფორმაცია -- 4.2 დამოკიდებულება აკრძალული ნივთიერებების მიმართ - პიროვნული ფაქტორი -- 4.3 დამოკიდებულება აკრძალული ნივთიერებების მიმართ - გარე ფაქტორები \n4.4 ელიტურ სპორტსმენთა ფაქტორი -- 4.5 გამოცდილება და დამოკიდებულება დოპინგ-ტესტირების მიმართ -- 4.6 დამოკიდებულება დამარცხების მიმართ -- 4.7 თერაპიული გამპყენების გამონაკლისი -- 5. ეთიკის ასპექტები და ღირებულებითი ორიენტაციები -- 6. სპორტსმენთა ცნობიერების ამაღლება - ეფექტური გზა დოპინგის წინააღმდეგ ბრძოლაში -- 7. სპორტსმენთა დამოკიდებულება დოპინგის მიმართ - კვლევის მეორე ფაზა -- 7.1 დოპინგის, როგორც გამოწვევის ზოგადი აღქმა -- 7.2 სპორტსმენთა ინფორმირებულობა აკრძალულ ნივთიერებათა სიის შესახებ -- 7.3 სპორტსმენთა ინფორმირებულობა ანტიდოპინგური წესებისა და სანქციების შესახებ -- 7.4 სპორტსმენთა დამოკიდებულება დოპინგ-ტესტირების პროცედურების მიმართ -- 7.5 კვებითი დანამატების აღქმა და მოხმარების ჩვევები -- 8. დოპინგის წინააღმდეგ ბრძოლის ძირითადი ბიოსოციალური და ეთიკური ასპექტები -- 8.1 ნდობისა და პასუხისმგებლობის განაწილების მექანიზმები -- 8.2 სპორტსმენთა სამედიცინო და ფსიქოლოგიური მხარდაჭერა -- 9. დასკვნა -- 10. ძირითადი მიგნებები და რეკომენდაციები -- 11. გამოყენებული ლიტერატურა -- 12. რეზიუმე -- 13. დანართი N 1 კითხვარი -- 14. ნაშრომთა სია
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.049 | 0.046 |
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".