MétaCan
Menu
Retour à la cohorte
Enregistrement W2899712044 · doi:10.1093/geroni/igy023.2290

THE MANY FORMS OF AGEISM: AGE DIFFERENCES IN EXPERIENCE TYPE, EMOTIONAL IMPACT, AND COPING STRATEGIES

2018· article· en· W2899712044 sur OpenAlexaff
Michelle Horhota, Alison L. Chasteen, Jessica J. Crumley-Branyon

Notice bibliographique

RevueInnovation in Aging · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyCoping (psychology)Young adultMiddle ageDevelopmental psychologyClinical psychology

Résumé

récupéré en direct d'OpenAlex

Young, middle-aged, and older adults described a personal experience with ageism, rated the emotional impact, and reported strategies they used to cope with the situation and with ageism experiences in general. Domain and content of the experience differed by age group in ways that were consistent with a person’s stage in life. Young and middle-aged participants reported experiencing ageism most frequently in the workplace, whereas older adults reported ageism from service workers. Within the workplace, young adults reported facing assumptions of incompetence, whereas middle-aged adults reported experiencing less respect. Consistent with emotion regulation literature, older adults reported a less negative emotional response to ageism compared to young and middle-aged adults. When asked about coping strategies, all participants reported acceptance of the specific experience they shared. In response to ageism in general, older adults reported accepting the ageist action, whereas young and middle-aged adults coped by being dismissive of the perpetrator.

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)0,000
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 enseignants0,182
Score d'incertitude au seuil0,153

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,086
Tête enseignante GPT0,428
Écart entre enseignants0,343 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetAging and Gerontology ResearchTravaux en français237 207