Le projet Vieillissement et mode de vie physiquement actif
Bibliographic record
Abstract
Le vieillissement de la population n’est pas un phénomène nouveau, mais le nombre de personnes âgées de plus de 65 ans n'a jamais été aussi élevé au Canada. Dans les sociétés contemporaines, l’urbanisme, la kinésiologie et les loisirs sont étroitement liés à l’activité physique de loisirs et au transport actif. Les étudiants de ces programmes de formation auront donc un rôle essentiel dans le vieillissement « en santé » de la population canadienne. C’est pour cela que nous explorons les facteurs associés aux stéréotypes âgistes et les facteurs associés à un intérêt professionnel vis-à-vis la création d’environnements favorables à l’activité physique d’un population vieillissante auprès de ce groupe. Au total, 108 étudiants ont participé à un sondage en ligne. L’éducation est le meilleur prédicteur d’attitudes non âgistes et dans une moindre mesure, mais de façon significative, avoir des modèles d'aînés physiquement actifs dans son proche entourage et avoir des contacts de qualité avec des ainés tout en pratiquant une activité physique démontrent chacun une corrélation négative avec les stéréotypes associés à la capacité des ainés à faire de l’activité physique. Notre document propose des pistes d’action envisageables à court et moyen terme.
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".