BUILDING INCLUSIVE COMMUNITIES: LEARNING FROM THE WORLD
Notice bibliographique
Résumé
As countries around the world are rapidly aging, cities and towns are finding new ways to harness the unprecedented opportunity and challenge of this newfound human longevity. The World Health Organization’s (WHO) Age-Friendly Cities model is an international framework to help cities assess and improve features of their communities that promote participation, health, and quality of life for older adults of all abilities, including adults living with dementia. This session brings together five international scholars who are focused on building these age-friendly communities to share their learnings and experiences. They will present their work and spark discussion about the ways they have managed to build communities that are inclusive of all older adults—including those with physical disabilities and cognitive impairment. Presenters from the United Kingdom, Ireland, Canada, China, and the United States will provide overviews of their approaches to building age-friendly environments, highlighting challenges and successes in ensuring the inclusivity of these communities extends to persons with disabilities and those living with dementia. In addition to international perspectives, these presenters come from a range of disciplines including urban planning, architecture, demography, and disability studies. This session will also provide an opportunity for open dialogue among presenters and attendees to share the diverse and creative ways they have addressed age-friendliness in their countries and communities. We have much to learn from one another about creating communities that promote inclusion, health, and quality of life for aging across the lifespan.
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 | 0,015 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,023 |
| Communication savante | 0,023 | 0,045 |
| Science ouverte | 0,003 | 0,042 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,004 |
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 ».