MétaCan
Menu
Retour à la cohorte
Enregistrement W2095395080 · doi:10.1111/j.1467-9566.2009.01175.x

Older women and suntanning: the negotiation of health and appearance risks

2009· article· en· W2095395080 sur OpenAlexafffund
Laura Hurd Clarke, Alexandra Korotchenko

Notice bibliographique

RevueSociology of Health & Illness · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueSkin Protection and Aging
Établissements canadiensUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesNational Cancer InstituteMichael Smith Health Research BC
Mots-clésSunbathingBeautyContext (archaeology)Extant taxonPsychologyRisk perceptionPublic healthMedicineSocial psychologyPerceptionGeographyNursingAestheticsDermatologyArt

Résumé

récupéré en direct d'OpenAlex

This paper examines older women's experiences and perceptions of sunbathing, sun avoidance, and suntanned appearances. Using data from in-depth interviews with 36 women aged 71 to 94, we elucidate the motivations behind the women's sunbathing practices. Specifically, we explore how the women responded to the health and appearance risks associated with exposure to and avoidance of ultraviolet radiation as well as extant feminine beauty norms. The majority of women put their experiences of sunbathing in an emergent historical context. Although most of the women suggested that suntanned appearances were indicative of health and beauty, sunbathers tended to downplay their health risks by distancing themselves from those they considered to be most at risk, namely tanning bed users and individuals who acquired overly dark suntans. Sunbathers also emphasised the benefits of sun exposure for adequate vitamin D absorption. In contrast, the women who did not suntan tended to have experienced negative health and appearance consequences from their past sunbathing practices. Thus, these women emphasised the importance of future health over immediate appearance dividends. We discuss our findings in relation to the extant research on suntanning and the literature pertaining to health, risk, and beauty work.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,006
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,037
Tête enseignante GPT0,364
Écart entre enseignants0,327 · 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

Citations10
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSociology of Health & IllnessMême sujetSkin Protection and AgingTravaux en français237 207