Implicit ageism in dental students: general representations of ageing health and specific representations of the mouth
Notice bibliographique
Résumé
By 2040, more than one in four Europeans is expected to be over 65. Despite improvements in older patients’ care, oral healthcare is still neglected. One of the major obstacles could be the negative representations associated with aging: ageism. The present study aims to quantify and qualify ageism for general and specific representations of aging associated with the mouth of an older patient compared to a young patient in dental students. Undergraduate students at the French dental school of Clermont-Ferrand were invited to participate in the study. Ageism was quantified by asking the students to estimate how many older adults have some negative conditions, which were then compared to real data. Representations of the mouth of a young vs. an older adult were collected by asking each student to write the first five words that came to their mind when they thought about the mouth of a young person and then the mouth of an older person. The students exhibited a large overestimation of health problems in the older adult population. The words given for a young adult were positive 49% of the time (vs. 23% negative), whereas 69% of the words were negative for an older adult (vs. 8% positive). The students in the second year were less negative than students in higher years. Our study contributes to assessing how dental students could exhibit implicit ageism. They show very negative representations of aging from the beginning of their training, which get even worse after they are exposed to clinical training with older patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».