MétaCan
Menu
Retour à la cohorte
Enregistrement W2942933151

Ageing In Toronto: Barriers In The Planned Environment

2017· article· en· W2942933151 sur OpenAlexaboutno aff
Frances Tufford

Notice bibliographique

RevueYork University Digital Library (York University) · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgeingMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The world's urban populations are ageing rapidly and there is a pressing need to examine the needs and experiences of older adults in the city. There is additionally a crucial need to understand the pointedly gendered dynamics of the ageing process in the city. This research begins a critical investigation into this topic in Toronto from a feminist perspective, using a strengths-based perspective to examine the experiences of 9 older women living in the west end of Toronto and navigating the urban environment. It also uses insights from 2 service providers who work with older women in Toronto. The paper then engages these findings with an analysis of two policy documents designed to address ageing in the city, the World Health Organization's "Global Age-Friendly Cities: A Guide" (2007) and the City of Toronto's "Toronto Seniors Strategy: Towards an Age Friendly City" (2011), and discusses some revealing discrepancies. It finds significant strengths and considerations that the research subjects harness and navigate in the urban environment, as well as important intersections between age, gender, race, income and immigration status. It discusses the care responsibilities of many of the women and how they affect their interactions with the urban environment. The paper also point to directions for future research to better understand the ageing process from a critical, intersectional perspective and locate it in a current discussion of urban theory.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,291

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0160,010
Communication savante0,0060,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,011
Tête enseignante GPT0,196
Écart entre enseignants0,185 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYork University Digital Library (York University)Même sujetMigration, Aging, and Tourism StudiesTravaux en français237 207