MétaCan
Menu
Retour à la cohorte
Enregistrement W1839731473 · doi:10.1111/ajag.12154

Smart technologies to enhance social connectedness in older people who live at home

2014· review· en· W1839731473 sur OpenAlexaff
Meg E. Morris, Brooke Adair, Elizabeth Ozanne, William Kurowski, K. J. Miller, Alan J. Pearce, Nick Santamaria, Maureen Long, Cameron Ventura, Catherine M. Said

Notice bibliographique

RevueAustralasian Journal on Ageing · 2014
Typereview
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of Melbourne
Mots-clésSocial connectednessAging in placeInternet privacyGerontologyOlder peoplePsychologyMedicineComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

AIM: To examine the effectiveness of smart technologies in improving or maintaining the social connectedness of older people living at home. METHODS: We conducted a systematic review and critical evaluation of research articles published between 2000 and 2013. Article screening, data extraction and quality assessment (using the Downs and Black checklist) were conducted by two independent researchers. RESULTS: Eighteen publications were identified that evaluated the effect of smart technologies on dimensions of social connectedness. Fourteen studies reported positive outcomes in aspects such as social support, isolation and loneliness. There was emerging evidence that some technologies augmented the beneficial effects of more traditional aged-care services. CONCLUSION: Smart technologies, such as tailored internet programs, may help older people better manage and understand various health conditions, resulting in subsequent improvements in aspects of social connectedness. Further research is required regarding how technological innovations could be promoted, marketed and implemented to benefit older people.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0050,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,345
Écart entre enseignants0,320 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations161
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal on AgeingMême sujetTechnology Use by Older AdultsTravaux en français237 207