MétaCan
Menu
Retour à la cohorte
Enregistrement W2057077883 · doi:10.7202/706559ar

L’univers des personnes âgées et les technologies nouvelles : Recension des écrits

2005· article· fr· W2057077883 sur OpenAlexaffvenueabout
Étienne LaBillois, Nicole Boucher

Notice bibliographique

RevueService social · 2005
Typearticle
Languefr
DomaineHealth Professions
ThématiqueAging, Elder Care, and Social Issues
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Le phénomène du vieillissement démographique s'accompagne au Québec, comme ailleurs dans nos sociétés occidentales, d'une révolution technologique. Or, faute de recherche en ce domaine, on connaît mal comment les personnes âgées sont touchées par ces technologies nouvelles. Se fondant sur une littérature essentiellement américaine ou européenne, les auteurs ont relevé trois secteurs où l'impact des nouvelles technologies sur la population âgée est majeur. Il s'agit du travail, de la santé et des loisirs. Sur le plan du travail, l'introduction de la technologie informatique semble provoquer l'accélération du vieillissement professionnel et la mise au « rencart » des anciens. Ainsi, à 45 ans, on est maintenant classé comme travailleur « âgé », éventuellement « recyclable », sinon remplacé par des jeunes disposant d'une formation supérieure. La déqualification de la main-d'oeuvre âgée par suite de la modernisation des entreprises semble donc un enjeu majeur. Par contre, sur le plan de la santé et des loisirs, les personnes âgées bénéficient maintenant de technologies« adaptées » permettant de compenser leur handicap ou de s'amuser de façon stimulante et originale. La consommation de ces nouveaux produits par les personnes âgées est fortement encouragée et apparemment souvent appréciée. En somme, ce bilan des connaissances démontre la pertinence d'étendre l'évaluation sociale des technologies à la population vieillissante.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,150
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0060,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,057
Tête enseignante GPT0,359
Écart entre enseignants0,302 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueService socialMême sujetAging, Elder Care, and Social IssuesTravaux en français237 207