MétaCan
Menu
Retour à la cohorte
Enregistrement W4303962356 · doi:10.3389/fsoc.2022.1007836

Ambient ageism: Exploring ageism in acoustic representations of older adults in AgeTech advertisements

2022· article· en· W4303962356 sur OpenAlexaff
Megan E. Graham

Notice bibliographique

RevueFrontiers in Sociology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensCarleton UniversityTrent University
Organismes subventionnairesnon disponible
Mots-clésNarrativeSemioticsSociologyHealthy ageingConstruct (python library)AdvertisingAgeingPsychologyGender studiesAestheticsMedia studiesArtBusinessMedicineLinguisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Ageing-in-place environments are increasingly marked by ambient digital technologies designed to keep older adults safe while they live independently at home. These AgeTech companies market their products by constructing imagined visual and aural worlds of the smart home, usually deploying ageist representations of ageing and older adults. The advertisements are multimodal, and while what is seen on screen is often considered most important in a visuo-centric western culture, scholars have argued that it is what audiences hear that has the greatest impact. The acoustic domain of AgeTech advertisements and its relationship to ageism in marketing has not yet been explored. Accordingly, this paper will address this gap by following Van Leeuwen's framework for critical analysis of musical discourse to explore what AgeTech companies say about ageing, older adults, and ageing-in-place technologies using sound in an illustrative set of smart home advertisements for ageing-in-place. The paper will discuss how music, voice, and sound are semiotic resources that are used to construct stereotypical (both negative and positive) portrayals of older adults, reinforce the narrative of "technology as saviour," and trouble the private/public boundaries of the ageing-in-place smart home.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,873

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,292
Écart entre enseignants0,270 · 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.

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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in SociologyMême sujetTechnology Use by Older AdultsTravaux en français237 207