MétaCan
Menu
Retour à la cohorte
Enregistrement W1940026565 · doi:10.20360/g27w2c

The Value of Writing for Senior-Citizen Writers

2015· article· en· W1940026565 sur OpenAlexaffvenue
Jeff Park, Beverley Brenna

Notice bibliographique

RevueLanguage and Literacy · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésLiteracyIdentity (music)Value (mathematics)Professional writingAcademic writingFunction (biology)Life writingCreative writingWriting processPsychologySociologyPopulationPedagogyVisual artsLiteratureAestheticsNarrativeArtComputer science

Résumé

récupéré en direct d'OpenAlex

This qualitative case study explores writing and writing motivations of senior citizens age 65-93 who had entered a public library Writing Challenge. The research questions focused on how and why writing was important to this group as well as what patterns and themes emerged in their work. Data from questionnaires offered that the social aspect of writing appeared to be the strongest motivating factor for participation. Numerous individual reasons for writing were listed, and these, as well as the unique ideas presented in excerpts from the work itself, created a resonant picture of writing in participants’ lives. The resulting anthology contained a predominance of non-fiction, including life writing components within fictive pieces, utilizing the expressive function. Key themes included identity, olden days, progress, humour, nature, religion, and the love of family. Implications involve the importance of community writing events for writers who may not have other means of developing individual writing networks. Further research is recommended related to seniors and literacy to add to what is currently a limited academic viewpoint regarding this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,025
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0200,010
Communication savante0,0140,007
Science ouverte0,0020,010
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,281
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguage and LiteracyMême sujetLiteracy, Media, and EducationTravaux en français237 207