Perceptions of ageist acts and those who confront them: implications for intersectional older targets
Notice bibliographique
Résumé
With the changing face of the Canadian population, older adults now make up a larger proportion of the total population than ever before (Statistics Canada, 2021). Regardless of this trend and the fact that ageism is prevalent and growing over time in Canada, (WHO, 2021; Heritage, 2020; Godley, 2018; Allore et al., 2015) ageism remains largely understudied. In particular, there has been little research on ageism that has been conducted with an intersectional perspective. This is an area that requires further attention, as previous research has demonstrated the important role of intersectional identities in shaping person perception (Neuberg & Sng, 2013; Ghavami & Peplau 2013). For instance, Neuberg et al., (2013) revealed that a target’s age, sex, and home ecology (characterized as “desperation” versus “hopeful”) intersect to shape how they are perceived by others, and Ghavami et al., (2013) demonstrated how a target’s race and gender may intersect to form unique perceptions about them. While age has often been overlooked in intersectionality studies, Kang et al. (2014) provided a preliminary understanding of how age interacts with race to influence how male targets are perceived. Their findings demonstrate the importance of examining how ageism is manifested towards older adults with different intersecting race and gender identities. In addition, their findings suggest that older targets may face differential consequences when engaging in prejudice reduction strategies, such as when confronting a perpetrator. Therefore, in this proposal, I will take a social psychological perspective to understand how ageist actions are perceived when targeting older adults with different intersecting identities, and if these identities also result in differential consequences for older confronters of ageism.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,863 | 0,342 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».