MétaCan
Menu
Retour à la cohorte
Enregistrement W2955832807 · doi:10.1080/08959420.2019.1636595

Emergent Challenges and Opportunities to Sustaining Age-friendly Initiatives: Qualitative Findings from a Canadian Age-friendly Funding Program

2019· article· en· W2955832807 sur OpenAlexafffundabout
Elizabeth M. Russell, Mark W. Skinner, Ken Fowler

Notice bibliographique

RevueJournal of Aging & Social Policy · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensMemorial University of NewfoundlandTrent University
Organismes subventionnairesCanada Research Chairs
Mots-clésSustainabilityEnvironmentally friendlyContext (archaeology)User FriendlyLimitingThematic analysisPublic relationsQualitative propertyBusinessQualitative researchEconomic growthPolitical scienceSociologyEconomicsEngineeringGeographySocial science

Résumé

récupéré en direct d'OpenAlex

Age-friendly initiatives often are motivated by a single funding injection from national or sub-national governments, frequently challenging human and financial resources at the community level. To address this problem, this paper examines the challenges and opportunities to sustaining age-friendly programs in the context of a Canadian age-friendly funding program. Based on a qualitative thematic content analysis of interview data with 35 age-friendly committee members drawn from 11 communities, results show that age-friendly sustainability may be conceptualized as an implementation gap between early development stages and long-term viability. Consistent over-dependence on volunteers and on committees' limited capacity may create burnout, limiting sustainability and the extent to which communities can truly become "age-friendly". To close this implementation gap while still remaining true to the grass-roots intention of the global age-friendly agenda, sustainable initiatives should include community champions, multi-disciplinary and cross-sector collaborations, and systemic municipal involvement.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil0,860

Scores Codex et Gemma par catégorie

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

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 Opus0,134
Tête enseignante GPT0,445
Écart entre enseignants0,311 · 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'étudeQualitatif
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

Citations52
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Aging & Social PolicyMême sujetHealth disparities and outcomesTravaux en français237 207