MétaCan
Menu
Retour à la cohorte
Enregistrement W2127221146 · doi:10.1093/geront/42.2.217

Continuing and Ceasing Leisure Activities in Later Life: A Longitudinal Study

2002· article· en· W2127221146 sur OpenAlexaffabout
Laurel A. Strain, Carmen Grabusic, Mark S. Searle, Nicole Dunn

Notice bibliographique

RevueThe Gerontologist · 2002
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensUniversity of WinnipegUniversity of ManitobaHealth Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésLongitudinal studyLeisure activityMarital statusPsychologyGerontologyPeriod (music)Leisure timeActivities of daily livingReading (process)Developmental psychologyPhysical activityDemographySocial psychologyMedicineSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This study examined changes in leisure activities of older adults over an 8-year period, and associated sociodemographic and health characteristics. DESIGN AND METHODS: Data were from a longitudinal study conducted in Winnipeg, Manitoba, Canada; 380 respondents were interviewed in-person in both 1985 and 1993. Changes in ten specific activities and the overall number of activities continued were examined. RESULTS: Theater/movies/spectator sports and travel were the activities least likely to be continued over the 8-year period; watching television and reading were most likely to be continued. Characteristics significantly related to changes in activities were age, gender, education, and self-rated health in 1985 as well as changes in marital status, self-rated health, and functional ability between 1985 and 1993, although no consistent pattern emerged. IMPLICATIONS: Leisure education is discussed as a means of introducing modifications to enhance older adults' participation in desired activities. Directions for future research are highlighted.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,093
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,087
Tête enseignante GPT0,332
Écart entre enseignants0,245 · 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'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

Citations220
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe GerontologistMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207