Exploring the Impact of Age-Related COVID-19 Messaging on Internalized Ageism in Older Adulthood
Notice bibliographique
Résumé
Abstract Public health messages during the COVID-19 pandemic have indicated a higher risk for older people and/or those who have multiple health conditions. Subsequent societal discourse, however, has at times arguably protested the full protection and treatment of older people from COVID-19, potentially contributing to internalized ageism. To date, how older people interpret age-related pandemic messaging and discourse has not been explored. This study examined older adults’ perspectives of age-related COVID-19 messaging and societal discourse, as well as their perceptions of vulnerability, using a social constructionism framework. Adults age 65 to 89 years participated in semi-structured interviews about their thoughts and experiences with ongoing pandemic-related public messaging. Preliminary analysis suggests that participant perspectives of COVID-19 messaging are situated along a continuum of concern associated with contracting the virus. While some, for example, describe minimal concern, others express being fearful. Individual perceptions of safety appear to be informed, in part, by the presence or absence of an underlying health condition. Individual approaches to media criticism and consumption, personal risk-taking thresholds, financial stability, and social connectedness also appear to influence how the participants perceive pandemic-related messaging. Findings suggest the framing of COVID-19 and pandemic protocols, as well as the media’s sensationalization of age-related issues, can impact older peoples’ perceived vulnerability of contracting the virus. Future research is needed to understand the long-term implications of ongoing pandemic-related messaging on older adults’ experiences of aging, as well as the consequences such messaging could pose to for their health and social behaviors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».