MétaCan
Menu
Retour à la cohorte
Enregistrement W4411369391 · doi:10.1080/03601277.2025.2519760

Age relations in student, staff, and faculty partnerships

2025· article· en· W4411369391 sur OpenAlexafffund
Kelsey Harvey, Julia Cerminara, Katherine R. Cooper, Elisa Do, Stephanie Hatzifilalithis

Notice bibliographique

RevueEducational Gerontology · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensUniversity of VictoriaWomen's College HospitalMcMaster UniversityCape Breton University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMedical educationPsychologyHigher educationPedagogyMedicineGerontologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Population aging and the promotion of lifelong learning in higher education are changing student demographics. The result is more older learners in post-secondary classrooms and extracurricular programming. To better understand age diversity in extracurricular programming, this study examined age-relations in the Student as Partners [SaP] movement in higher education. From a partnered approach aligned with SaP principles, we used a critical grounded theory methodology to propose a substantive theory of age relations in student, staff, and faculty partnerships. Our findings focus on the core category: from age silos to embracing age diversity. We examine participants’ assumptions about age and treatment of age as a social taboo and outline how the organization of age in academic institutions contributed to participants’ perceptions that greater age and higher stage means more experience. To overcome age differences, partners developed professional intergenerational relationships and fostered age diverse environments. We discuss these findings in relation to intergenerational education and how learning from and with people of diverse ages is important for addressing ageism and creating inclusive age-diverse educational environments.

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)0,017
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,017
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,007
Communication savante0,0080,007
Science ouverte0,0010,013
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,194
Tête enseignante GPT0,479
Écart entre enseignants0,285 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducational GerontologyMême sujetHigher Education Practises and EngagementTravaux en français237 207