MétaCan
Menu
Retour à la cohorte
Enregistrement W2942619385 · doi:10.1080/01490400.2019.1597791

Leisure innovation and the transition to retirement

2019· article· en· W2942619385 sur OpenAlexaffabout
M. Rebecca Genoe, Toni Liechty, Hannah R. Marston

Notice bibliographique

RevueLeisure Sciences · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésBaby boomersGrounded theoryFocus groupFace (sociological concept)SociologyPsychologyAxial codingQualitative researchRelevance (law)GerontologyMarketingPublic relationsDemographic economicsBusinessSocial sciencePolitical scienceEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

Innovation theory posits that adopting new leisure activities contributes to well-being in later life. We explored the relevance of innovation theory among Canadian baby boomers transitioning to retirement. Using grounded theory and online qualitative methods, we recruited baby boomers who had recently retired or were planning to retire in the next five years. Twenty-five participants engaged in three two-week blogging sessions, followed by face-to-face focus groups/interview over about one year. Data, including blog posts from each session and focus group/interview transcripts, were analyzed using initial, focused, and theoretical coding. Two main themes, embracing retirement and pursuing new and former leisure, highlighted nuances of leisure and the transition to retirement as participants adjusted to increased free time along with shifting priorities and available resources. The findings supported innovation theory and suggested areas of refinement.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,617
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0010,000

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 Opus0,029
Tête enseignante GPT0,321
Écart entre enseignants0,292 · 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

Citations26
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLeisure SciencesMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207