MétaCan
Menu
Retour à la cohorte
Enregistrement W3199487092

Cognitive Decline and the Workplace

2021· article· en· W3199487092 sur OpenAlexaboutno aff
Sharona Hoffman

Notice bibliographique

RevueeYLS (Yale Law School) · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDementiaWorkforceCognitive declineVariety (cybernetics)PopulationQuarter (Canadian coin)CognitionProductivityGerontologyPopulation ageingPsychologyMedicinePolitical sciencePsychiatryEconomic growthEnvironmental healthLawEconomicsDiseaseGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cognitive decline will increasingly become a workplace concern because of three intersecting trends. First, the American population is aging. In 2019, 16.5 percent of the population, or fifty-four million people, were age 65 and over, and the number is expected to increase to seventy-eight million by 2025. Dementia is not uncommon among older adults, and by the age of eighty-five, between twenty-five and fifty percent of individuals suffer from this condition. Second, individuals are postponing retirement and prolonging their working lives. For example, about a quarter of physicians are over sixty-five, as are fifteen percent of attorneys. The average age of federal judges is sixty-nine. Third, a variety of technologies, such as PET scans, spinal taps, genetic tests, and even blood tests now enable physicians to detect potential signs of dementia long before symptoms emerge. Employers may well be tempted to pursue these diagnostic tools because cognitive decline can cause a multitude of complex challenges in the workplace, threatening productivity, workplace morale, and public safety.The question of how to handle cognitive decline in the workforce has received very limited attention in the legal literature. This Article strives to treat the subject in a balanced way, considering the interests and difficulties faced by all stakeholders: employers, workers, and the public. It examines a variety of strategies that employers could implement, including mandatory retirement ages, mandatory cognitive testing for older employees or all employees, testing for dementia biomarkers, or an approach of individualized assessment. It assesses these approaches in light of the relevant federal laws that prohibit age, disability, and disparate impact discrimination and suggests necessary statutory revisions. The Article concludes with detailed recommendations to help employers, employees, and professional associations appropriately manage this very sensitive matter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0270,003

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 Opus0,021
Tête enseignante GPT0,331
Écart entre enseignants0,310 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetHuman-Automation Interaction and SafetyTravaux en français237 207