Overlooked and Underestimated: Experiences of Ageism in Young, Middle-Aged, and Older Adults
Notice bibliographique
Résumé
OBJECTIVES: Although the prevalence of ageism against older people has been well-established, less is known about the characteristics of those experiences or the experiences of young and middle-aged adults. The present study addressed these gaps by examining young, middle-aged, and older adults' self-reports of an ageist action they experienced. METHODS: Participants' descriptions were coded for the domain in which the ageist experience occurred, the perpetrator of the ageist experience, and the type of ageist experience. RESULTS: Young adults most commonly reported experiencing ageism in the workplace with coworkers as perpetrators. Middle-aged and older adults also reported ageism in the workplace; however, they also frequently reported experiencing ageism while seeking goods and services. Perpetrators of ageism varied more widely for middle-aged and older adults. Regardless of one's age, ageism was commonly experienced in the form of a lack of respect or incorrect assumptions. DISCUSSION: The findings enhance our understanding of ageism across adulthood by considering the domains, perpetrators, and types of ageist expressions that adults of all ages encounter. They also suggest that interventions to reduce age bias will require multifaceted approaches that take into account the different forms that individuals experience across the life span.
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) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».