Notice bibliographique
Résumé
Distributed by Good DocsProduced by Ina Fichman, Amy Miller, and Ariel NasrDirected by Helene Klodawsky2023, Streaming, 85 mins Stolen Time, a feature length documentary, follows powerhouse Canadian lawyer and eldercare advocate, Melissa Miller, as she investigates and builds a case of mounting evidence against long term care facility businesses. Stolen Time is a well-produced film that highlights rampant elder abuse and neglect in the long term care industry. Director Helene Klodawsky balances gut wrenching interviews from families with interviews from scholars and nursing home staff. Miller and her team conduct a thorough investigation into the lack of financial transparency and neglectful practices of some of the largest companies that oversee most long-term care facilities in Canada. Using this evidence, along with family testimonies, Miller builds a Mass Tort case that seeks to dismantle the systemic issue of elder negligence in these facilities. Stolen Time has an engaging narrative, high quality audio and visuals that will hold audiences’ attention. In an educational setting, this film would be ideal for those interested in elder care and rights, long term care facilities, and Canadian law. Awards:Award of Excellence Special Mention: Documentary Feature, Accolade Global Film Competition, La Jolla 2024; Award of Excellence: Documentary Feature Impact DOCS Award, La Jolla 2024; Award of Excellence: Use of Film / Video for Social Change Accolade Global Film Competition, La Jolla 2024; Award of Excellence: Viewer Impact: Content / Message Delivery Impact DOCS Award, La Jolla 2024
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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 ».