MétaCan
Menu
Retour à la cohorte
Enregistrement W7132990790

Scams and Aging: Factors Impacting Effective Decision Making

2021· dissertation· W7132990790 sur OpenAlexaffabout
Rebecca A. Judges

Notice bibliographique

RevueTSpace · 2021
Typedissertation
Langue
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensVector Institute
Organismes subventionnairesnon disponible
Mots-clésSocioemotional selectivity theoryVulnerability (computing)Psychological interventionIntervention (counseling)CognitionTest (biology)Social cognitive theorySocial isolation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The present study investigated the older adults’ unique vulnerability to fraud and scams by understanding the role of social, cognitive, and knowledge-based factors, and testing a prevention paradigm. Studies 1 and 2 built upon preliminary work by examining social and cognitive predictors of prior victimization in community dwelling Chinese older adults. Study 3 examined the most promising factors again in a Canadian sample. The results here suggest that older adults in China who experience more socioemotional disturbance due to isolation may be at higher risk of victimization compared to their peers and compared to those in Canada. To better understand vulnerability, an objective scam detection task was designed for studies 4 and 5. Study 4 examined predictors of detection ability in older and younger adults and found a combined role of cognitive processing and accumulated knowledge after controlling for social and demographic factors. Study 5 used these findings to test a training with feedback paradigm to improve detection ability. Immediately after training, the intervention group performed significantly better than the control group, while the alternative education intervention group did not. However, the gains declined significantly by the three-week follow-up. Collectively, the findings support the need for age-based investigations of fraud vulnerability, the need for objective behavioural measures, and the possibility of knowledge-based interventions albeit with additional improvements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,215
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,416
Écart entre enseignants0,395 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetElder Abuse and NeglectTravaux en français237 207