Intergenerational learning for active ageing: Chinese senior immigrants’ online learning during the COVID-19
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The COVID-19 has greatly affected the immigrant community in terms of racial and ethnic inequalities, border closures, travel restrictions, service processing delays, and/or mental health problems (Clark, et. al. 2020). During the pandemic, older immigrants experienced not only a high risk for severe illness, but also long-term and short-term uncertainties in both their families and the local society. The older immigrants could not receive adequate health support and social services, and lifelong learning opportunities. The purpose of this paper is to explore the relationship between intergenerational learning and ageing in immigrant communities. Through an examination of how Chinese senior immigrants learn intergenerationally in Canada during the COVID-19, this paper argues that intergenerational learning could be seen as a pathway for active ageing (WHO, 2002), which helps to enhance senior immigrants’ health and wellbeing, civic engagement, and social security. Based on a self-initiated intergenerational learning project by a Chinese senior immigrants’ association in Toronto, Canada, this study examined how older immigrants practiced intergenerational learning with immigrant youth through a variety of online teaching and learning activities, including English language learning, arts learning and other online collaborative learning activities. The study interviews 16 Chinese senior immigrants and 10 immigrant youth participating in the intergenerational activities in Toronto. Results showed that online intergenerational learning served as a lifelong learning process for active ageing, and played important roles in 1) intergenerational knowledge transfer; 2) cross-cultural communications; and 3) online civic engagement and community development.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle