The Upside of Negative Emotions: How Do Older Adults From Different Cultures Challenge Their Self-Growth During the COVID-19 Pandemic?
Notice bibliographique
Résumé
Background and Objective: The outbreak of Coronavirus Disease 2019 (COVID-19) has raised increased challenges for older adults' personal growth in diverse cultural settings. The aim of this study was to analyze negative emotions and their role on older adults' self-growth in Mexico, Italy, Portugal, and Spain, during the COVID-19 pandemic. For this purpose, a cross-national qualitative research was carried out. Methods: Data were collected from 338 community-dwelling participants aged 65 years and older, using a semi-structured interview protocol. Older adults were asked about negative emotions that significantly contribute to their self-growth during the COVID-19 pandemic. Content analysis was used to identify key themes. Results: Seven main negative emotions (fear, sadness, anger, grief, boredom, loneliness, and shame) significantly contributed to seven themes of self-growth, across the samples: sharing difficult experiences with others, supportive partner, spiritual practices, engagement with life, generativity, volunteering activities, and intimacy and sexual satisfaction. Sharing difficult experiences with others was most pertinent to Mexican (13.9%) and to Italian (3.0%) participants, and a supportive partner to Portuguese (12.1%), and to Spanish participants (6.5%). Conclusion: The findings of this study indicate that negative emotions during the COVID-19 pandemic contributed to their older adults' self-growth. This study highlighted the cultural diversity of experiences during the pandemics and underlined the upside of negative emotions and its relation to older adults' self-growth during this period.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 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 ».