Employers’ Support of Older Adults Facing Ageism in the Workplace: A Scoping Review of the Literature
Notice bibliographique
Résumé
Abstract As the Canadian population continues to age rapidly, addressing the social structures that negatively impact older adults is of increasing importance. The most prominent of these social structures is the workplace, which can be a potential source of age discrimination. The goal of this scoping review was to analyze the literature that addresses strategies for employers to support older workers experiencing ageism, in order to answer the research question: How can employers support older adults (50+) facing ageism in the workplace? Following Arksey and O’Malley’s five-step framework, an electronic database and grey literature search was conducted between September and December 2020. Thematic content analysis was performed to establish key themes. The search revealed 3,635 peer-reviewed and grey literature sources that were evaluated by three investigators. Thirty-six articles, published between 2006 and 2020, met inclusion criteria and examined various support strategies for employers. Five major emerging themes were identified from the literature: (1) Recruitment practices, (2) Training opportunities, (3) Education for managers, leaders, and employees in the workplace, (4) Flexible employment opportunities, and (5) Methods to change the psycho-social environment of the workplace. Implementation of these interventions is required to support older adults who may be experiencing workplace ageism. Longitudinal research of these interventions is required to determine the lasting effects of these strategies; however, the existing literature supports the implementation of these supportive actions, which is vital to ensuring that older adults are able to attain and maintain valuable work, in healthy environments, now and into the future.
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 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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».