The use of Incentives and the Promotion of Healthy Behaviours:The Case of Unhealthy Food
Bibliographic record
Abstract
Madalina Burtan Centre de collaboration nationale sur les politiques publiques et la santé Le Centre de collaboration nationale sur les politiques publiques et la santé (CCNPPS) vise à accroître l'utilisation des connaissances en matière de politiques publiques favorables à la santé au sein de la communauté de la santé publique, à travers le développement, le partage et l'utilisation des connaissances.Le CCNPPS fait partie d'un réseau canadien de six centres financés par l'Agence de santé publique du Canada.Répartis à travers le Canada, chacun des Centres de collaboration se spécialise dans un domaine spécifique, mais avec un mandat commun de synthèse, d'utilisation et de partage des connaissances.La production de ce document a été rendue possible grâce à une contribution financière provenant de l'Agence de santé publique du Canada par le financement du Centre de collaboration nationale sur les politiques publiques et la santé (CCNPPS).Les vues exprimées ici ne reflètent pas nécessairement la position officielle de l'Agence de santé publique du Canada.Ce document est disponible intégralement en format électronique (PDF) sur le site Internet du Centre de collaboration nationale sur les politiques publiques et la santé au www.ccnpps.caAn English version of this paper is available at www.ncchpp.caCe document est une version préliminaire.Nous invitons les lecteurs à nous envoyer leurs commentaires à ccnpps@inspq.qc.caLes données contenues dans le document peuvent être citées, à condition d'en mentionner la source.
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 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.005 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".