Conceptualizing Age-Friendly Communities
Bibliographic record
Abstract
RÉSUMÉ Sur le front politique et des lignes de conduite, l’intérêt a augmenté pour rendre les communautés plus « amies des ainés », cette tendance est restée constante depuis que l’Organisation mondiale de la Santé a lancé son projet « Réseau mondial des Villes-amies des aînés. » Nous conceptualisons les communautés amies des aînés en nous appuyons sur le cadre de l’OMS et l’application d’un point de vue écologique. Ainsi nous visons à rendre explicite les principales hypothèses sur l’interaction entre la personne et l’environnement afin de faire progresser la recherche ou de décisions politiques dans ce domaine. Les prémisses écologiques (par exemple, il doit y avoir une adéquation entre la personne âgée et les conditions environnementales) suggèrent la nécessité d’une approche de recherche holistique et interdisciplinaire. Une telle approche est requise car les domaines amis des aînés (l’environnement physique, le logement, l’environnement social, les possibilités de participation, le soutien communautaire formel et informel et les services de santé, de transport, de communication et de l’information) ne peuvent pas être traitées independamment des facteurs personnels, tels que l’âge, le sexe, le revenu et l’état fonctionnel, ainsi que des autres niveaux d’influence, y compris l’environnement politique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.022 |
| Scholarly communication | 0.007 | 0.013 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".