International Perspectives on Age-Friendly Cities
Notice bibliographique
Résumé
Foreword: International Perspectives on Age-Friendly Cities John R. Beard and Lisa Warth. Acknowledgments. Introduction: International Perspectives on Age-Friendly Cities Kelly G. Fitzgerald and Francis G. Caro Part I: Case Studies: Cross-Cutting Themes. Europe. 1. Developing Age-Friendly Cities: Case Studies from Brussels and Manchester and Implications for Policy and Practice Tine Buffel, Paul McGarry, Chris Phillipson, Liesbeth De Donder, Sarah Dury, Nico De Witte, An-Sofie Smetcoren and Dominique Verte 2. Ireland's Age Friendly Cities and Counties: The Development of a National Program Sinead Shannon and Hugh O'Connor. Asia. 3. From Age-Friendly Research to Age-Friendly City and Age-Friendly Regional Network: Case of Tuymazy and Republic of Bashkortostan, Russian Federation Gulnara A. Minnigaleeva 4. Successful Aging in High-Density City State: A Review of Singapore's Aging Policies and Urban Initiatives Keng Hua Chong, Zheng Jia, Debbie Loo and Mihye Cho. Canada. 5. Lessons Learned from a Canadian, Province-Wide Age-Friendly Initiative: The Age-Friendly Manitoba Initiative Verena H. Menec, Sheila Novek, Dawn Veselyuk and Jennifer McArthur 6. Age-Friendly City in Quebec (Canada), or Alone It Goes Faster, Together It Goes Further Suzanne Garon, Mario Paris, Andreanne Laliberte, Anne Veil and Marie Beaulieu. United States 7. Portland, Oregon: A Case Study of Efforts to Become More Age Friendly Alan DeLaTorre and Margaret B. Neal 8. The Environment of Environmental Change: The Impact of City Realities on the Success of Age-Friendly Programs Allen Glicksman and Lauren Ring Part II: Special Topics 9. Commentary: Changing Practice and Policy to Move to Scale: A Framework for Age-Friendly Communities across the United States M. Scott Ball and Kathryn Lawler 10. Transforming the Way We Live Together: A Model to Move Communities from Policy to Implementation Laura Keyes, Deborah R. Phillips, Evelina Sterling, Tyrone Manegdeg, Maureen Kelly, Grace Trimble and Cheryl Mayerik 11. Making the Right Moves: Promoting Smart Growth and Active Aging in Communities Kathleen E Sykes and Kristen N. Robinson 12. Does the Village Model Help to Foster Age-Friendly Communities? Andrew E. Scharlach, Joan K. Davitt, Amanda J. Lehning, Emily A. Greenfield and Carrie L. Graham 13. Multigenerational Planning: Integrating the Needs of Elders and Children Mildred E. Warner and George C. Homsy 14. Age-Friendly Community Policy Innovation: Complete Streets Implementation in Louisiana, United States Billy Fields and Jason Tudor 15. Age-Friendly Cities and the WHO Checklist: Lessons from a Portuguese Survey Alexandra Lopes, Teresa Pinto and Rute Lemos. Appendix to Chapter 15: Age-Friendly Cities and the WHO Checklist: Lessons from a Portuguese Survey Alexandra Lopes, Teresa Pinto and Rute Lemos
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».