Sharing Stories as Legacy: What Matters to Older Adults?
Notice bibliographique
Résumé
Objectives: Legacy allows individuals to make meaning of their lives by passing on their experiences and beliefs to younger people and influencing their perspectives, perceptions, and actions. This mixed-methods study investigated: (1) What is important for older adults to share as legacy with families, friends and others, based on the types and features of their digital stories ? and (2) How do older adults’ digital stories affect story viewers? Methods: One hundred adults aged between 55 and 95 years participated in ten-week Elder’s Digital Storytelling courses and created short digital stories. Using the content analysis approach, the story transcripts were thematically analyzed and iteratively coded by three researchers and the results were quantified. A diverse group of 60 viewers at a public event provided their reactions to the digital stories. Results: The findings revealed that character, place, and family were chosen as the primary types by the older adults for their legacy digital stories. Accomplishment and career/school were the next most prominent story types. Moreover, these digital stories appeared to have a powerful impact on the viewers. Discussion: A digital story is a powerful artifact to communicate an older person’s legacy because it is based on familiar forms of communication, such as speech and photographs. The major legacy themes chosen by the older adults align with the findings of the research literature. The feedback from the viewers of the digital stories reflects these as a source of life wisdom and legacy for younger generations. Funding details: This work was supported by the AGE-WELL National Centre of Excellence (AW CRP 2015-WP4.3).
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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».