AGEISM IN EVERYDAY CONTEXTS: FACTORS THAT INFLUENCE PERCEPTIONS AND OUTCOMES
Notice bibliographique
Résumé
Butler coined the term ‘ageism’ in 1969 to highlight discriminatory practices against older adults. Since then the definition has expanded to encompass age-based discrimination across the lifespan. Although much research has examined individual experiences of other forms of discrimination, e.g., racism or sexism, surprisingly little is known about the degree to which individuals face ageism in their everyday lives. It is therefore pertinent to understand how age biases manifest in the context of individuals’ daily lives, the variety of forms that ageism can take, the perceptions of acceptability of these experiences, and the outcomes that result. This symposium examines young, middle-aged and older adults’ experiences of ageism at both interpersonal and societal levels. Chasteen et al. consider how adults of all ages respond to benevolent and hostile ageism from perpetrators of varying degrees of interpersonal familiarity. Horhota et al. provide a detailed picture of adults’ personal experiences of ageism by examining age differences in the general domain (e.g., work, social) and specific content of reported ageist experiences, in addition to examining the coping strategies used to respond to the experience. Swift considers ageism in the workplace, examining negative meta-perceptions of older workers and their impact on job satisfaction and retirement intentions. Finally, North presents evidence that agency prescriptions unequally target men and women across the lifespan, and explores the social and economic consequences for agentic behavior in various domains.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».