MétaCan
Menu
Retour à la cohorte
Enregistrement W2988269663 · doi:10.1093/geroni/igz038.924

WE CAN’T AVOID IT. IT’S THERE! AGEISM EXPERIENCED BY DIVERSE CULTURAL GROUPS IN OTTAWA, CANADA

2019· article· en· W2988269663 sur OpenAlexaffabout
Caroline D. Bergeron, Martine Lagacé

Notice bibliographique

RevueInnovation in Aging · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFocus groupPerceptionCultural diversityGerontologyOlder peopleRace (biology)Culturally sensitivePsychologyGender studiesSocial psychologySociologyMedicineAnthropology

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Discrimination based on age is pervasive across Canada. Little is known about the experiences of ageism among diverse cultural groups. The purpose of this pilot study was to explore the perceptions of ageism among culturally diverse older adults in Ottawa, Canada. Methods: Three focus groups were conducted with Chinese, Arab, and Indian older adults in Ottawa in June 2016. An 8-item protocol was developed to guide the discussions. Qualitative data were analyzed using open, axial, and selective coding. Results: Twenty-five culturally diverse older adults (9 Chinese, 6 Arab, and 10 Indian) participated in the focus groups. All described personal positive and negative examples of discrimination based on their age without being familiar with the term “ageism”. Several described their experiences with the intersection of age, race, and gender, although these interpretations varied by cultural group. Ageism in the media was also easily recognized. Participants recommended using specific content, communication channels, and organizations to counteract ageism. Discussion: This pilot study helped to illustrate that ageism is a societal problem that requires a societal solution. As Canada’s population becomes older and more diverse, important efforts are needed to raise awareness of ageism.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,442
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,349
Écart entre enseignants0,309 · 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.

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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetAging and Gerontology ResearchTravaux en français237 207