MétaCan
Menu
Retour à la cohorte
Enregistrement W4213092598 · doi:10.3390/soc12010027

Place-Making through Media: How Media Environments Make a Difference for Long-Term Care Residents’ Agency

2022· article· en· W4213092598 sur OpenAlexfundaboutno aff
Sarah Wagner

Notice bibliographique

RevueSocieties · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceSocial Sciences and Humanities Research Council of Canada
Mots-clésAgency (philosophy)Public relationsNegotiationEthnographyLong-term careSocial mediaPoliticsService (business)SociologyNursingPolitical scienceMedicineBusinessMarketingSocial science

Résumé

récupéré en direct d'OpenAlex

This paper explores the unique relationships care home residents have with communication media. Drawing on findings from an ethnographic case study at a long-term care site in British Columbia, Canada, I describe how care home residents’ everyday media practices are intertwined with their negotiations of longstanding attachments and new living spaces. The research draws connections between the spatiotemporal contexts of media use and residents’ experiences of social agency. Long-term care residents in this research were challenged to engage with the wider community, maintain friendships, or stay current with events and politics because their preferred ways of using communication media were not possible in long-term care. The communication inequalities experienced by care home residents were not simply about their lack of access to media or content but about their inability to find continuity with their established media habits in terms of time and place. While most research about communication media in care homes has been intervention oriented, this research suggests that long-term care service and funding policies require greater attention to create flexible, diverse, and supportive media environments.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,009
Communication savante0,0100,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,293
Écart entre enseignants0,263 · 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'étudeObservationnel
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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocietiesMême sujetTechnology Use by Older AdultsTravaux en français237 207