Conceptualising and operationalising resilience in older adults
Notice bibliographique
Résumé
Context: As a result of increases in life expectancy and decreases in fertility, the proportion of the population entering later life has increased dramatically in recent decades. When faced with age-related challenges, some older adults respond more positively to adversity than would be expected given the level of adversity that they have experienced, demonstrating ‘resilience’.Objectives: Having a clear conceptual framework for resilience is a prerequisite to operationalising resilience in a research context.Methods: Here we compare and contrast several approaches to the operationalisation of resilience: psychometric-driven and data-driven (variable-centred and individual-centred) methods.Results: Psychometric-driven methods involve the administration of established questionnaires aimed at quantifying resilience. Data-driven techniques use statistical procedures to examine and/or operationalise resilience and can be broadly categorised into variable-centred methods, i.e. interaction and residuals, and individual-centred methods, i.e. categorical and latent class.Conclusions: The specific question(s) driving the research and the nature of the variables a researcher intends to use in their adversity-outcome dyad will largely dictate which methods are more (or less) appropriate in that circumstance. A measured approach to the ways in which resilience is investigated is warranted in order to facilitate the most useful application of this burgeoning field of research.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».