EQUITABLE AND SOCIALLY JUST AGE-FRIENDLY COMMUNITIES FOR OLDER LGBTQ+ ADULTS OF COLOR
Notice bibliographique
Résumé
Abstract The age-friendly movement has been critiqued for inadequately addressing the needs of historically disadvantaged populations, like older LGBTQ+ adults of color. This presentation describes a multi-year participatory action research project with five older Black lesbian women aged between 65 and 75. We hosted five focus groups where participants shared their daily experiences living in an age-friendly city and proposed ideas to more inclusively meet the needs of older LGBTQ+ adults of color within age-friendly activities. Focus group data were analyzed thematically, and four themes were identified which expand existing age-friendly frameworks, promoting greater equity and justice: 1) attending to the interaction between identities and structures throughout the life course, 2) understanding the impact of historical and contemporary experiences of violence and discrimination on health and aging, 3) addressing the evolving sociopolitical landscape regarding the human rights and freedoms of diverse older adults, and 4) developing interventions that create safe and affirming spaces for older LGBTQ+ adults of color. While mainstream age-friendly frameworks are widely acknowledged for enhancing the health, independence, and social connectivity of older adults, addressing the unique challenges associated with aging while navigating multiple intersecting marginalized identities requires a critical perspective. The findings of this research underscore the necessity of culturally tailored age-friendly frameworks and interventions to address the distinct needs and experiences of older LGBTQ+ adults of color. We argue that gerontology must seriously consider the impact of privilege and oppression on the health and aging experiences of vulnerable and underserved populations within age-friendly communities.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».