MétaCan
Menu
Retour à la cohorte
Enregistrement W2884345497 · doi:10.17770/sie2018vol1.3190

EDUCATION AS AN AGENT OF RESOCIALIZATION OF ELDERLY PEOPLE

2018· article· en· W2884345497 sur OpenAlexaboutno aff
Nataliia Kalashnyk, Yana Levchenko, Olha Doronina, Olha Kucherova, Olha Luchenko

Notice bibliographique

RevueSOCIETY INTEGRATION EDUCATION Proceedings of the International Scientific Conference · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Issues in Poland
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResocializationFeelingElderly peopleActive ageingPopulation ageingGerontologyPsychologyPortraitPopulationSociologyMedicineSocial psychologyOlder peopleSocial scienceHistory

Résumé

récupéré en direct d'OpenAlex

Due to the aging of population there is a need for reevaluation of the importance and the necessity of elderly people’s participation in the life of society and as a result reevaluation of the methods of their adjustment. Modern “third aged people” want to continue living in the habitual rhythm of life, being the full participants of the society even after their retirement. The social portrait of a modern elderly differs significantly from the one 15-20 years ago. The level of medicine in the developed countries provides them with good state of health and therefore they can retain high level of social and emotional activity. Using several countries (Japan, Australia, Canada,) as an example the article aims to present different ways of inclusion of elderly people in socially useful activities in order to solve the problems of the modern society, in other words, to suggest how third aged people may be helpful. The article sums up that giving the opportunity of social and professional activity to the elderly people helps them to prevent social maladjustment and arising feeling of needlessness after the termination of active employment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,362
Écart entre enseignants0,336 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSOCIETY INTEGRATION EDUCATION Proceedings of the International Scientific ConferenceMême sujetSocial Issues in PolandTravaux en français237 207