Notice bibliographique
Résumé
The proportion of the US population over age 65 is projected to reach almost 80 million by the year 2040, doubling the numbers from 2000 (Administration on Aging, 2012). With the aging of the population, the incidence of age-related diseases and disorders like stroke and dementia is expected to increase, adding to the caseloads of speech-language pathologists (SLPs). Most SLPs, by contrast, are younger adults; over a quarter of SLPs in the US are under age 35 (ASHA, 2012). Thus, as the elderly population grows, more intergenerational communication encounters will occur between SLPs and their aging clients, increasing demands for cultural competence, specifically with regard to ageism. However, the field of speech-language pathology has seen little research into the impact of age-related stereotypes on service delivery (Armstrong & McKechnie, 2003). One’s interactions with people are implicitly shaped by stereotypes, widely held unconscious representations of groups of people (Devine, 1989). According to the Age Stereotypes in Interaction model (Hummert, 2012), there are three main factors that trigger stereotypes: the perceiver’s self-system, the context of the interaction, and physical traits. ‘Self-system’ refers to one’s beliefs and attitudes, which are themselves determined by one’s age, cognitive complexity, and past experiences (Hummert, 2012; Ryan, 2007). Stereotypes can be reinforced by the context in which intergenerational encounters occur. To illustrate, Hummert and colleagues (1998) found that younger adults used different language when speaking to older adults in the hospital vs an apartment. Aspects of physical appearance (e.g. grey hair, stooped posture) create an immediate impression of the older individual (Adams et al., 2012). Using photographs, Hummert and colleagues (1997) found that adults perceived to be older were stereotyped more negatively than younger-looking adults. Negative stereotypes may, in turn, affect older adult’s responses, resulting in a cycle of reinforced stereotypes and negative interactions (Ryan, 2007). Williams and colleagues (2009) found that nurses who used ‘elderspeak’ met with more resistance to care in their patients with dementia. To prevent such negative interactions, SLPs must become aware of the potential impact of implicit age-related stereotypes. The purpose of this study was to determine whether SLP students are influenced by age-related stereotypes when judging the communication of older adults.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».