MétaCan
Menu
Retour à la cohorte
Enregistrement W4396863821 · doi:10.1007/s13753-024-00558-6

“If Somebody Needed Help, I Went Over”: Social Capital and Therapeutic Communities of Older Adult Farmers in British Columbia Floods

2024· article· en· W4396863821 sur OpenAlexaffabout
Kyle Breen, Siyu Ru, Luna Vandeweghe, Jenna Chiu, Lindsay Heyland, Haorui Wu

Notice bibliographique

RevueInternational Journal of Disaster Risk Science · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSocial capitalAgency (philosophy)Flood mythPopulationDisaster recoveryPublic relationsBusinessEconomic growthPsychologySociologyPolitical scienceGeographySocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Older adults in disaster contexts are often thought of as a passive, vulnerable population that lacks agency and capacities to cope in the aftermath. However, it can be argued that older adults may have underrecognized strengths that can be utilized pre-, peri-, and post-disaster. One of these strengths is older adults’ unique social capital that stems from long-standing connections with other members of their respective communities. Using data from in-depth, semistructured interviews with farmers in British Columbia 3–11 months after the 2021 floods, this research explored the experiences of older adult farmers’ recovery. The farmers discussed how they leveraged their social capital to aid in their recovery efforts from the flood event. By using their bonding social capital, older adult farmers transformed their existing, deep-rooted connections into post-disaster assistance. This, in turn, generated the idea of the therapeutic community, helping community members cope in the aftermath. This research indicated the need to further examine how older adults in disaster settings can be viewed as assets with community knowledge and skills as opposed to solely as a vulnerable population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,826

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,005
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,010
Tête enseignante GPT0,297
Écart entre enseignants0,288 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Disaster Risk ScienceMême sujetDisaster Management and ResilienceTravaux en français237 207