MétaCan
Menu
Retour à la cohorte
Enregistrement W2729931438 · doi:10.1080/02763893.2017.1309930

The Future of Age-Friendly: Building a More Inclusive Model Using Principles of Ecology and Social Capital

2017· article· en· W2729931438 sur OpenAlexaboutno aff
Lauren Ring, Allen Glicksman, Morton H. Kleban, Julie A. Norstrand

Notice bibliographique

RevueJournal of Housing for the Elderly · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial connectednessSocial capitalEcologyUser FriendlyOrder (exchange)Social ecologyPsychologySociologyGerontologyComputer scienceBusinessPolitical scienceSocial scienceSocial psychologyMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Menec's (2011 Menec, V. H., Means, R., Keating, N., Parkhurst, G., & Eales, J. (2011). Conceptualizing age-friendly communities. Canadian Journal on Aging, 30(3), 479–493. doi:10.1017/S0714980811000237[Crossref], [PubMed], [Web of Science ®] , [Google Scholar]) framework for understanding age-friendly efforts rests on two ideas: first, that we need to take an ecological approach to develop these programs; second, that social connectedness forms the core of what makes a program age-friendly. Building on previous research in which we demonstrated the association between social connectedness and the health outcomes that are often the goals of age-friendly efforts, we added an environmental measure in order to determine if using an ecological approach improves our understanding of the relation of social connectedness to health outcomes. We discovered that the added measure does strengthen our model.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,312
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,001
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 Opus0,045
Tête enseignante GPT0,379
Écart entre enseignants0,335 · 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.

Devis d'étudeQualitatif
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Housing for the ElderlyMême sujetHealth disparities and outcomesTravaux en français237 207