Ocene obrokov in fotografij
Izvedi, kaj lahko razkrije opis ali fotografija hrane, kaj ostane nevidno in katere podrobnosti naredijo približen zapis obroka bolj uporaben.
Preberi metodo za obroke →Metode
Vedi, kaj je vključeno v oceno.
Nekateri vnosi v tvoj osebni dnevnik dobrega počutja izhajajo neposredno iz tega, kar sporočiš. Drugi vključujejo ocene na podlagi AI, formul ali povezanih virov. Te strani ti pokažejo, kaj je kaj.
Vsaka metoda navaja vhodne podatke, vrstni red virov, manjkajoče podatke in omejitve, ki lahko vplivajo na rezultat.
Pregled metod · Približno 3 min branja
Vhodi, vrstni red virov, manjkajoči podatki in omejitve
Pojasnimo informacije, ki lahko bistveno spremenijo vidno oceno, da se lahko odločiš, koliko teže ji dati.
Trenutne razlage
Dve pogosti oceni, dva različna problema.
Prehranska vrednost obroka se začne z negotovimi podatki o hrani in porciji. Dnevna poraba se začne z oceno, ki jo poroča nosljiva naprava, ali s populacijsko enačbo. Obe zahtevata skrbne oznake in pregled.
Dnevna poraba energije
Preglej prednost vira WHOOP, nadomestno enačbo Mifflin–St Jeor, dejavnike aktivnosti, izračunan primer in pravila pokritosti obdobja.
Preberi metodo za energijo →Spremembe metode
Vsaka podrobna metoda vključuje različico in datum pregleda, kar olajša iskanje pomembnih sprememb vidnega izračuna.
Skupna pravila
Kaj naj bi ti povedale pregledne ocene.
Podrobnosti se razlikujejo glede na funkcijo, vprašanja pa ostajajo enaka.
01Kaj je bilo vključeno?
Podatki uporabnika, slika, vrednost profila ali povezani podatki.
02Kaj je bilo prvo?
Pravilo prednosti vira, ki se uporabi, ko obstaja več vrednosti.
03Kaj je manjkalo?
Metoda navaja, ali so manjkajoče vrednosti izključene, nedosegljive ali vključene v prikazano skupno vrednost.
04Kaj lahko gre narobe?
Posamezna napaka, nepopoln vnos in nepodprti primeri uporabe.
Namerna meja
Formula ni meritev.
Objavljene enačbe so lahko koristne za splošni kontekst, a so lahko za posameznika bistveno napačne. Tudi vrednosti povezanih nosljivih naprav so ocene na podlagi modela.
Pregled uporabnika
Popravek sodi v potek dela.
AI lahko napačno razume hrano, količine in običajen jezik. Ko je vrednost pomembna, preveri vir, dodaj več podrobnosti in popravi shranjeni zapis.
Uporabljaj ocene z njihovimi omejitvami.
Preberi metodo, preveri pokritost in obravnavaj rezultat kot kontekst – ne kot gotovost.