MétaCan
Menu
Retour à la cohorte
Enregistrement W4285478659 · doi:10.51952/9781447352570.ch003

Urban community vignette

2021· book-chapter· fr· W4285478659 sur OpenAlexaboutno aff
Lillian Wells

Notice bibliographique

RevuePolicy Press eBooks · 2021
Typebook-chapter
Languefr
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVignetteUrban communityGeographyPsychologySociologySocial psychologySocioeconomics

Résumé

récupéré en direct d'OpenAlex

This vignette is based on my lived experience over time. My first job as a social worker in the early 1960s was with older adults (in one of the first home care programs in Canada). I learned much from them on how to live my life and how to optimize life as I grew older. My practice has focused on clinical work and community development, especially in the areas of health and gerontology. With students and colleagues, we developed an empowerment model of practice in long-term care with resident councils, initiatives with families, and staff training. In the 1990s, a colleague enticed me to become a member of the Toronto Council on Aging, in order to raise awareness of the needs of older adults, improve their quality of life, foster their involvement in all aspects of community life, and support the experience of aging through education and leadership. I speak from my own experience, combined with what I have learned from older friends and from the wider community of older people through informal contacts and also research. I have lived in Saskatchewan, Manitoba, and now Ontario; in small towns, mid-sized cities, and for over 50 years in Toronto. While Toronto has great diversity and a rich array of social, recreation, education, volunteer, and employment possibilities, it is so very large and complex that it is difficult to know what these opportunities are and how to access them. Similarly, health and social services can be difficult to navigate, even for someone like myself who has experience and skills in this area.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,130
Tête enseignante GPT0,340
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Press eBooksMême sujetElder Abuse and NeglectTravaux en français237 207