Aveiro: cidade amiga das pessoas idosas!?
Bibliographic record
Abstract
A Organização Mundial de Saúde (OMS) lançou a iniciativa Age-Friendly Cities para mobilizar as cidades do mundo na promoção do envelhecimento ativo. Respondendo a esse desafio, este estudo procura compreender como a cidade de Aveiro (Portugal) é ou não amiga das pessoas idosas. A metodologia seguiu o protocolo de Vancouver, proposto pela OMS. A entrevista de coleta de dados solicita aos participantes que identifiquem aspectos positivos e negativos da cidade e indiquem sugestões nos seguintes tópicos: espaços exteriores e edifícios; transportes; habitação; respeito e inclusão social; participação social; comunicação e informação; participação cívica e emprego; apoio comunitário e serviços de saúde. A entrevista foi aplicada em grupos focais a uma amostra de 37 pessoas idosas (29 mulheres) organizadas em quatro subgrupos: i) classe média com idade entre 60 e 74 anos (8); ii) classe média com mais de 75 anos (14); iii) classe baixa com idade entre 60 e 74 anos (8); iv) classe baixa com mais de 75 anos (7). Os principais resultados sugerem que: os aspectos positivos de Aveiro incidem na acessibilidade de alguns edifícios públicos; os aspectos negativos incluem o mau estado dos passeios; a acessibilidade da informação sobre atividades e eventos destaca-se como aspecto positivo e negativo. Os idosos apreciam viver na cidade de Aveiro, mas identificam aspectos que podem ser melhorados para que a cidade proporcione um envelhecimento cada vez mais ativo.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".