BRINGING DIVERSE STORIES OF AGING INTO THE CLASSROOM: A FOCUS ON LGBTQ+ AGING
Notice bibliographique
Résumé
Despite population aging, gaps in curricula and training related to gerontology are well documented across disciplines. Even within programs and courses that include content on aging, little is focused on diverse experiences of aging. Older adults who are part of the LGBTQ+ community have unique social and historical contexts as well as health and social needs related to their sexual minority status. Yet, these factors are rarely embedded into training and education. In an effort to close this gap and to bring diverse stories of aging into the classroom 3 older adults who are members of the LGBTQ+ community created digital stories highlighting their aging experience. Digital storytelling is a process that allows individuals to create 2 to 3 minute-long videos that pair audio recordings of personal narratives with visuals. Paired with research on LGBTQ+ aging, these digital stories were presented to 175 students at three universities in Ontario, Canada in a range of disciplines (social work, health sciences, psychology, counseling, sociology, etc.). Students reflected on their experience viewing the stories and in particular how the stories impacted their understanding of LGBTQ+ aging. Responses were analyzed using conventional content analysis. Results indicated that students had powerful reactions to viewing these stories and students recognized their own assumptions, biases and lack of knowledge about LGBTQ+ aging. This study offers important pedagogical contributions to the field of gerontology. Embedding diverse stories of aging into curricula and training programs is vital for building capacity and expertise among future health and social care providers.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».