MétaCan
Menu
Retour à la cohorte
Enregistrement W2726294924 · doi:10.1093/geroni/igx004.3024

BUILDING CONNECTIONS BETWEEN ELDER LAW AND GERONTOLOGY

2017· article· en· W2726294924 sur OpenAlexaboutno aff
Nina A. Kohn, Israel Doron, María Brown

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScholarshipField (mathematics)SpecialtySociologyValue (mathematics)LawGerontologyPolitical sciencePsychologyMedicineFamily medicine

Résumé

récupéré en direct d'OpenAlex

Over the past several decades, elder law has emerged as an important legal specialty. Lawyers, clients, and, law schools are increasingly recognizing the value of the field and its practical and intellectual rigor. Despite this development, however, elder law remains at the periphery of the study of aging and has yet to be meaningfully integrated into the larger field of gerontology. This lack of integration is unfortunate for two primary reasons. First, elder law practice would benefit from being informed by the larger study of aging. Second, an understanding of elder law is integral to understanding of the experience of growing older. To investigate the current relationship between elder law and gerontology and opportunities for (and barriers to) connecting the fields, we conducted structured interviews with 27 leading professors of gerontology and elder law in the United States, Canada, and the United Kingdom. Interviews were designed to: 1) identify existing attitudes toward elder law among those working in the field of gerontology, and existing attitudes toward gerontology among those working in the field of elder law; 2) identify opportunities for, and barriers to, connecting teaching and scholarship in the two fields. In this session, we will present our findings related to existing and potential connections between the fields of gerontology and elder law in scholarship and participant suggestions for improving the connection between the fields. Based on these findings, we will then help participants identify steps they might take to connect and integrate the two fields in their scholarship and teaching.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,086
Tête enseignante GPT0,402
Écart entre enseignants0,317 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetElder Abuse and NeglectTravaux en français237 207