MétaCan
Menu
Retour à la cohorte
Enregistrement W2900713122 · doi:10.22158/jecs.v2n4p327

Leisure Time Use, Meaning of Life, and Psychological Distress: Comparing Canadian and Korean Older Adults

2018· article· en· W2900713122 sur OpenAlexaffabout
David Kaufman, Mi Ok Chang, Alice Ireland

Notice bibliographique

RevueJournal of Education and Culture Studies · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDistressMeaning (existential)Quality of life (healthcare)PsychologyGerontologyLeisure timePsychological distressCognitionPhysical activityMental healthDemographyMedicineClinical psychologySociologyPsychiatryPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Older adults’ day-to-day leisure time activities both reflect and stimulate physical, cognitive, and social capacities that contribute to their quality of life. To better understand how leisure activity choices and possible impacts vary across two cultures, this questionnaire-based study compared leisure time use, perceived meaning of life, and psychological distress for 617 older adults in Canada (n=298) and the Republic of Korea (Korea) (n=319). Compared to Koreans, Canadian respondents spent more time overall in leisure activities and devoted a higher percentage of their total leisure time to active, rather than passive, activities. They spent significantly more of their time on cognitively active activities, while Koreans preferred socially and physically active ones and scored significantly higher on both meaning of life and psychological distress. Both groups spent more of their time watching television than on any other single reported activity. Age group, retirement status, health, education, and income varied across the two countries and were significantly associated with aspects of leisure time use for each group. The results identify areas for improvement if Canadian and Korean older adults’ leisure time use is to effectively support their aging well.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,036
Tête enseignante GPT0,342
Écart entre enseignants0,305 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Education and Culture StudiesMême sujetMigration, Aging, and Tourism StudiesTravaux en français237 207