MétaCan
Menu
Retour à la cohorte
Enregistrement W2115340556 · doi:10.1177/0017896909349289

Do we need to understand the technology to get to the science? A systematic review of the concept of computer literacy in preventive health programs

2009· review· en· W2115340556 sur OpenAlexaff
Gregory M. Dominick, Daniela B. Friedman, Laurie Hoffman‐Goetz

Notice bibliographique

RevueHealth Education Journal · 2009
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésHealth literacyConstruct (python library)Psychological interventionComputer literacyMedical educationInclusion (mineral)Computer scienceLiteracySystematic reviewInformation literacyEmpirical researchHealth educationMEDLINEPsychologyPublic healthMathematics educationMedicineHealth carePedagogyNursingWorld Wide WebMathematicsSocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Objective To systematically review definitions and descriptions of computer literacy as related to preventive health education programs. Method A systematic review of the concept of computer literacy as related to preventive health education was conducted. Empirical studies published between 1994 and 2007 on prevention education programs with a computer literacy component were found using medical/health, communication, information science and education databases. Results A total of 464 citations were retrieved from 12 databases using specific search terms. Six articles met the inclusion criteria of: search terms in title, abstract and/or key words; peer-reviewed; original empirical research; and written in English. Conclusion Findings show limited and inconsistent definitions of computer literacy in the literature on computer-based prevention interventions. Without a clear construct of computer literacy, it will be difficult to determine the impact of such programs on health information seeking and, ultimately, health status.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,007
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,102
Tête enseignante GPT0,546
Écart entre enseignants0,444 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
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

Citations16
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Education JournalMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207