DEVELOPING AGE-FRIENDLY CITIES AND COMMUNITIES: NEW DIRECTIONS FOR RESEARCH AND POLICY
Notice bibliographique
Résumé
Developing what has been termed ‘age-friendly cities and communities’ (AFCC) has become an important area of work in the field of public policy and ageing. This reflects the increasing importance of older people within urban as well as rural communities; the importance of the physical and social environment for maintaining quality of life; and the emphasis in community care policies on promoting ‘ageing in place’. This symposium will provide an assessment of a range of initiatives underway to develop age-friendly communities, drawing upon examples from Europe and North America. An-Sofie Smetcoran and colleagues address how age-friendly social environments can support frail older people to ‘age actively in place’. Their discussion highlights that this approach could be particularly beneficial to those who lack the means to improve their situation and to those more reliant on their immediate locality for support, providing improved prospects for ‘ageing well in place’. Samuele Remillard Boillard examines age-friendly activity in Brussels, Manchester and Montreal, providing a critical overview of the success factors and challenges influencing the development and evolution of policies in these cities. Kieran Walsh and Anna Urbaniak review findings from a project exploring the impact of critical life transitions on experiences of old-age exclusion, and the role of place and community in mediating these experiences. Finally, Tine Buffel and Chris Phillipson will conclude the symposium by outlining a ‘Manifesto for the Age-Friendly Movement’, focusing on issues around: challenging social inequality; widening participation; coproducing age-friendly communities; and integrating research with policy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».