MétaCan
Menu
Retour à la cohorte
Enregistrement W2131363828 · doi:10.1300/j016v30n02_02

Special Care Aides' Attitudes Toward Therapeutic Recreation for the Elderly in Long-Term Care

2005· article· en· W2131363828 sur OpenAlexaff
Terri-Lynn Sullivan, Donald Sharpe

Notice bibliographique

RevueActivities Adaptation & Aging · 2005
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésRecreationRecreational therapyPsychologyLong-term careNursingMedicine

Résumé

récupéré en direct d'OpenAlex

There is great interest in enhancing the quality of life for residents in long-term care facilities and, in that regard, therapeutic recreation is receiving substantial attention. In order for residents to benefit from therapeutic recreation, it is important for all professionals in long-term care homes to have positive attitudes and behaviors toward therapeutic recreation. Special Care Aides have the most contact with elderly patients and are the largest segment of staff that works with the aged. Without the cooperation of Special Care Aides, therapeutic recreation activities will not be successful. The purpose of the present study was to examine Special Care Aides and Care Aides attitudes toward therapeutic recreation for the elderly in long-term care homes using Ajzen's (1991) Theory of Planned Behavior. Participants were 78 Special Care Aides and Care Aides from four long-term care homes. The Therapeutic Recreation Attitude Measurement(TRAM), a revised version of the Leisure Attitude Measure, was used to assess attitudes and behaviors toward therapeutic recreation for the elderly. Participants' intention to perform positive behaviors toward therapeutic recreation predicted their behavior. Participants' cognitive attitudes toward therapeutic recreation influenced participants' behavioral intentions. The implications of these findings for advancing the acceptance of therapeutic recreation activities were discussed.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,047
Tête enseignante GPT0,337
Écart entre enseignants0,290 · 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

Citations4
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActivities Adaptation & AgingMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207