MétaCan
Menu
Retour à la cohorte
Enregistrement W2792206947 · doi:10.1093/geronb/gbx176

Intergenerational Contact Predicts Attitudes Toward Older Adults Through Inclusion of the Outgroup in the Self

2017· article· en· W2792206947 sur OpenAlexafffund
Jonathan Cadieux, Alison L. Chasteen, Dominic J. Packer

Notice bibliographique

RevueThe Journals of Gerontology Series B · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologyOutgroupPerceptionContext (archaeology)Inclusion (mineral)Developmental psychologyOlder peopleCognitionContact hypothesisSocial psychologyPopulationPsychological interventionGerontologyDemography

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: With our rapidly aging population, it is critical to understand biases toward older people and what can be done to reduce ageism. Intergenerational contact can improve attitudes towards older people, but the effect of inclusion of outgroups in the self (IOS) in the context of intergenerational contact remains unexplored. In addition, stereotypes of warmth and incompetence may be affected differently by contact experiences and have different roles in effecting change in ageist attitudes. METHOD: In this study, we modeled the relationships between intergenerational contact, IOS, and stereotypes of warmth and incompetence in predicting attitudes towards older adults in a young community sample (n = 302; 18-30-year olds). RESULTS: We found that positive contact with one older adult reduced incompetence stereotypes both directly and through an increase in IOS, and both the increase in IOS and the decrease in incompetence stereotypes predicted better attitudes towards older adults. Incompetence stereotypes were a stronger predictor of age-related attitudes than warmth stereotypes. DISCUSSION: This suggests that interventions aimed at improving ageist attitudes through intergenerational contact should focus primarily on disconfirming incompetence stereotypes instead of merely increasing warmth perceptions, which could be done in part by increasing cognitive overlap with older adults.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,791

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,089
Tête enseignante GPT0,412
Écart entre enseignants0,323 · 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'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

Citations72
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series BMême sujetAging and Gerontology ResearchTravaux en français237 207