MétaCan
Menu
Retour à la cohorte
Enregistrement W3093726379 · doi:10.1017/s0714980820000367

Mitigating the Challenges and Capitalizing on Opportunities: A Qualitative Investigation of the Public Library’s Response to an Aging Population

2020· article· en· W3093726379 sur OpenAlexafffundabout
Kaitlin Wynia Baluk, Meridith Griffin, James Gillett

Notice bibliographique

RevueCanadian Journal on Aging / La Revue canadienne du vieillissement · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Administration
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaAlzheimer Society
Mots-clésQualitative researchPopulationPopulation ageingPolitical scienceSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Public libraries are community hubs that can both create opportunities and address challenges often associated with later life and population aging. Using a thematic analysis of 18 in-depth interviews with public librarians, this study investigates common practices and challenges experienced while developing programs for older adults. This analysis is augmented by an environmental scan of older-adult programming offered in member libraries of the Canadian Urban Library Council (CULC). Results indicate that public librarians leverage community partnerships and staff training to develop programs that foster digital, financial, language, and health literacy and create opportunities for both intergenerational and peer social connection. At the same time, they face challenges related to limited space, budgets, and staff capacity, difficulty meeting the extensive and often conflicting interests of various groups within the library, and marketing programming to older adults. Findings indicate that public libraries may be key players in mitigating challenges often associated with having an aging population, and indeed highlight the many benefits of valuing and providing services to this population.

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)0,016
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,033
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0130,009
Communication savante0,0060,006
Science ouverte0,0020,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,097
Tête enseignante GPT0,290
Écart entre enseignants0,194 · 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'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

Citations10
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal on Aging / La Revue canadienne du vieillissementMême sujetLibrary Science and AdministrationTravaux en français237 207