The self-described meaning making of Icelandic elderly in rehabilitation : A phenomenological study
Notice bibliographique
Résumé
Purpose: In the present study factors that influence meaning making of elderly people were explored from the perspective of elderly people themselves. Design and methods: The Vancouver School of doing phenomenology was the methodological approach of the study. The sample consisted of eight elderly people, ages 65-72, with mean age 67 years. These older adults were purposively sampled. Results: The findings are presented within a tentative explanatory model with four main themes. The participants described their sense of meaning-making from a variety of standpoints, influenced mostly by foundational factors i.e. their ethical values; social self-image; health image; their self-assessment and role-models incorporated in their self-image; as well as their childhood as predetermining sense of meaning. Factors that positively influenced meaning making were e.g. practicing virtue; strengthening family bonds; working-through emotions and trauma; professional success; using humor as a response to stressors, meditation and relaxation; belief in higher deity; being hopeful; and regularly experiencing nature’s dimensions. Factors that compromised meaning making were e.g. intrusive thoughts; compassion pains; difficulties with expressing emotions; living with memories of trauma; family health problems; being disorganized; religious views that cause emotional pain; and isolation from coping resources. Finally, there were certain learning factors influencing conceptions of importance regarding meaning-making. Implications: By studying the factors that influence meaning-making in elderly people as well as how meaning making is described by the elderly, hopefully a clearer understanding of the perceived relations between meaning making and health can be acquired. By examining how the elderly describe making meaning this study could contribute by generating hypotheses in the area of meaning making and health.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».