MétaCan
Menu
Retour à la cohorte
Enregistrement W2071946900 · doi:10.1300/j021v26n02_01

Later Life Learning Experience Among Chinese Elderly in Hong Kong

2006· article· en· W2071946900 sur OpenAlexaboutno aff
Angela Yee Man Leung, Yu-Hon Lui, Iris Chi

Notice bibliographique

RevueGerontology & Geriatrics Education · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLifelong learningQuarter (Canadian coin)Educational attainmentPsychologyGerontologyPopulation ageingPopulationMedical educationMedicinePedagogySociologyPolitical scienceDemographyHistory

Résumé

récupéré en direct d'OpenAlex

In a world with increasing numbers of older adults and a world wide emphasis placed on lifelong learning, it is crucial to examine and formulate appropriate policy for learning in later life (LLL). Hong Kong has a rapidly aging population, which is projected to double within the next 25 years. However, lifelong learning for the elderly has yet to be fully developed. This article reports the findings of 2 surveys: one on the LLL experience among 190 Chinese elderly in Hong Kong and another on the experiences of 9 center directors in running courses for the elderly. We found that Chinese older persons generally learn for expressive motivation rather than instrumental motivation, although those with higher educational attainment take LLL for both instrumental and expressive motivation. This finding is consistent with those obtained with American populations. Practical courses such as languages and health-related topics were found to be the most popular; and Nearly a quarter (27%) of the respondents (in particular those who are well educated) expressed interest in peer teaching. The findings are important to understand LLL in the Chinese population and assist in the formulation of an appropriate LLL policy in Hong Kong. These findings also serve as a comparison for other countries trying to provide continuing education opportunities for its older citizens.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,354
Écart entre enseignants0,334 · 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'étudeObservationnel
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

Citations52
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGerontology & Geriatrics EducationMême sujetAging and Gerontology ResearchTravaux en français237 207