Notice bibliographique
Résumé
Population ageing and urbanization are two global trends that together comprise major forces shaping the 21st century. At the same time as cities are growing, their share of residents aged 60 years and more is increasing. Older people are a resource for their families, communities and economies in supportive and enabling living environments. WHO regards active ageing as a life-long process shaped by several factors that, alone and acting together, favour health, participation and security in older adult life. Informed by WHO’s approach to active ageing, the purpose of this Guide is to engage cities to become more age-friendly so as to tap the potential that older people represent for humanity. An age-friendly city encourages active ageing by optimizing opportunities for health, participation and security in order to enhance quality of life as people age. In practical terms, an age-friendly city adapts its structures and services to be accessible to and inclusive of older people with varying needs and capacities. By working ing with groups in 33 cities in all WHO regions, WHO has asked older people in focus groups to describe the advantages and barriers they experience in eight areas of city living in: Amman, Jordan Cancun, Mexico Dundalk, Ireland Geneva, Switzerland Halifax, Canada Himeji, Japan Islamabad, Pakistan Istanbul, Turkey Kingston and Montego Bay (combined), Jamaica La Plata, Argentina London, United Kingdom Mayaguez, Puerto Rico Melbourne, Australia Melville, Australia Mexico City, Mexico Moscow, Russian Federation Nairobi, Kenya New Delhi, India Ponce, Puerto Rico Portage la Prairie, Canada Portland, Oregon, United States of America Rio de Janeiro, Brazil Ruhr metropolitan region, Germany Saanich, Canada San Jose, Costa Rica Shanghai, China Sherbrooke, Canada Tokyo, Japan Tripoli, Lebanon Tuymazy, Russian Federation Udaipur, India Udine, Italy
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».