REACTIONS TO PERPETRATORS OF BENEVOLENT AGEISM: WHAT INFLUENCES PERCEPTIONS?
Notice bibliographique
Résumé
Abstract Ageism against older adults is a longstanding and pervasive problem. Benevolent ageism can be particularly difficult to address, given it is characterized by warmth and condescension. In two studies, we examined the impact of confronting prejudice on perceptions of a young adult perpetrator who expressed benevolent ageism. In both studies, the perpetrator initiated unwanted help to an older person who was either 62 or 82 years old, and the older adult either accepted or politely rejected the unwanted assistance. In both studies, participants felt that rejecting (i.e., confronting) the ageist behavior decreased the likelihood the perpetrator would repeat the behavior. Young adult participants used the age of the older target as a cue for interpreting the perpetrator’s intentions, such that they rated the perpetrator’s actions as less intending to offend if the older target was 82 than 62 years of age. Moreover, younger adults used the age of the older target to determine whether the perpetrator should be confronted, indicating that confrontation should occur when the target was 62 vs. 82 years old. Taken together, these studies demonstrate that participants of all ages feel that confronting benevolent ageism can be an effective tool for reducing biased behavior. As well, these findings show that the age of the older adult target might be used as a normative cue to interpret the perpetrator’s intentions and actions, thus providing a more nuanced picture of what might drive witnesses’ responses to ageist behavior.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».