Exploring the Use of Social Network Analysis to Measure Social Integration Among Older Adults in Assisted Living
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Social integration is measured by a variety of social network indicators each with limitations in its ability to produce a complete picture of the variety and scope of interactions of older adults receiving long-term services and supports. The purpose of this study was to develop and evaluate the feasibility of collecting sociocentric (whole network) data among older adults in one assisted living neighborhood. The sociocentric approach is required to conduct social network analysis. Applying social network analysis is an innovative way to measure different facets of social integration among residents. Sociocentric data are presented for 12 residents. Network visualization or sociograms are used to illustrate the level of social integration among residents and between residents and staff. Measures of network centrality are reported to illustrate the number of personal connections and cohesion. The use of resident photographs helped residents with cognitive impairment to nominate individuals with whom they interacted. The sociocentric approach to data collection is feasible and allows researchers to measure levels and different aspects of social integration in assisted living environments. Residents with mild to moderate cognitive impairment were able to participate with the aid of resident and staff photographs. This approach is sensitive to capturing routine day-to-day interactions between residents and assisted living staff members that are often not reported in person-centered networks. This study contributes to the foundation for larger more representative studies of entire assisted living organizations that could in the future inform interventions aimed at improving social integration and cohesion among recipients of long-term services and supports.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle