Chapter 1 A Comparison of Four Person-Environment Fit Models Applied to Older Adults
Notice bibliographique
Résumé
Inthispaper, we comparefour Person-Environment(P-E) Fit models in terms of their ability to predict well-being among older adults. The models tested include: Lawton and Nahemow's (1973) competence model (model 1); Carp and Carp's (1984) congruence model (model 2); and two models based on Kahana's (1982) proposition that subjective prioritizing of multi-level environmental needs is a required element of P-E fit measures. The first priority model (model 3) represents unmet needs in the environmental domain with the highest subjective priority. The weighted priority model (model 4) scales P-E scores according to the prioritization of all environmentaldomains under study. A total sample of 174 seniors dwelling in the Vancouver community were used in this research; divided into a vulnerablesub-sample of Adult Day Care (ADC) clients (n = 115) and a non-frail community sub-sample (n = 59). Lawton's (1997) Valuation of Lifescale (VOL)was used as a measure of well-being. Model 4 was found to predict the largest amount of variance in VOL for the total sample and both sub-samples, after controlling for several covariates. Model 3 was the second best model in predicting VOL for the ADC sample, whereas model 2 wasthe second best predictor of VOL for the non-frail sample. The findings are discussed in terms of their implications for theory development, for explaining research showing that frail and non-frail older persons exhibit similar levels of well-being, and for client-centered service program-ming.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».