MétaCan
Menu
Retour à la cohorte
Enregistrement W2120334759 · doi:10.1177/0733464813496164

What Community Characteristics Help or Hinder Rural Communities in Becoming Age-Friendly? Perspectives From a Canadian Prairie Province

2013· article· en· W2120334759 sur OpenAlexaffabout
John Spina, Verena Menec

Notice bibliographique

RevueJournal of Applied Gerontology · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Context (archaeology)Qualitative researchAging in placeEconomic growthGeographySocioeconomicsPublic relationsBusinessPolitical scienceGerontologySociologyMedicineSocial science

Résumé

récupéré en direct d'OpenAlex

Age-friendly initiatives are increasingly promoted as a policy solution to healthy aging, The primary objective of this article was to examine older adults' and key stakeholders' perceptions of the factors that either help or hinder a community from becoming age-friendly in the context of rural Manitoba, a Canadian prairie province. Twenty-four older adults and 17 key informants completed a qualitative interview. The findings show that contextual factors including size, location, demographic composition, ability to secure investments, and leadership influence rural communities' ability to become age-friendly. Government must consider the challenges these communities face in becoming more age-friendly and develop strategies to support communities.

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)0,004
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 enseignants0,032
Score d'incertitude au seuil0,188

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0180,006
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
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 Opus0,039
Tête enseignante GPT0,301
Écart entre enseignants0,262 · 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

Citations48
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied GerontologyMême sujetMigration, Aging, and Tourism StudiesTravaux en français237 207