MétaCan
Menu
Retour à la cohorte
Enregistrement W3206103320 · doi:10.1017/s0144686x21001379

Older age as a time to contribute: a scoping review of generativity in later life

2021· review· en· W3206103320 sur OpenAlexaff
Feliciano Villar, Rodrigo Serrat, Michael W. Pratt

Notice bibliographique

RevueAgeing and Society · 2021
Typereview
Langueen
DomainePsychology
ThématiqueIdentity, Memory, and Therapy
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésGenerativityPsychologyDevelopmental psychologySociology

Résumé

récupéré en direct d'OpenAlex

Abstract Research on later-life generativity has promoted a new view of older persons that, far from the traditional images of disability, dependence and frailty, recognises their capacities, and potential to continue growing, while underlining their participation and contributions to families, communities and society. The goal of this study was to carry out a scoping review on later-life generativity, the first one conducted on this topic as far as we know, to show how studies in this area have evolved, which aspects of generativity in later life have been studied, and the methodological and epistemological approaches that are dominant in this area of inquiry. Our scoping review shows that research into generativity in later life has grown steadily over the past 30 years, and particularly during the last decade. However, our results also show how such growing interest has focused on certain methodological approaches, epistemological frameworks and cultural contexts. We identify four critical gaps and leading-edge research questions that should be at the forefront of future research into generativity in later life, gaps that reflect biases in the existing literature identified in the study. These are classified as methodological, developmental, contextual and ‘dark-side’ gaps.

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)0,011
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0140,014
Études des sciences et des technologies0,0010,002
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,398
Écart entre enseignants0,354 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgeing and SocietyMême sujetIdentity, Memory, and TherapyTravaux en français237 207