Daily Ageist Attitudes, Subjective Age, and Memory Failures: A Multi-Country Integrated Data Analysis
Notice bibliographique
Résumé
Abstract Ageist attitudes reflect negative views about others’ aging and are negatively associated with health and well-being. However, the ways in which ageist attitudes may fluctuate on a daily basis, and how those fluctuations are coupled with everyday memory functioning, are underexplored. Applying a cross-cultural perspective and leveraging 14-day daily diary data from the USA, Switzerland, Türkiye, Germany, India, Ukraine, Israel, Austria, Czech Republic, and Canada, the goal of the current study was to identify within-person fluctuations in daily ageist attitudes and connect those fluctuations to everyday memory functioning. Multilevel models were conducted across a mixture of integrated data analysis (for data that could be shared) and coordinated data analysis (standardized models applied to locally controlled data) to maximize the inclusion of countries. Estimates of within-person variability in daily ageist attitudes ranged from 13% (Germany) to 44% (India). Conditional models indicated varying patterns across countries. For example, in the US and Germany, daily increases in ageist attitudes were associated with increases in memory failures (reflecting lower levels of everyday memory functioning). However, in Canada and Türkiye, daily ageist attitudes were not associated with memory failures. The current results suggest that ageist attitudes move to varying degrees on a daily basis, and that their importance for everyday memory functioning may depend on cultural context.
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 | 0,010 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».