A Scoping Review of Digital Gaming Research Involving Older Adults Aged 85 and Older
Notice bibliographique
Résumé
BACKGROUND: Interest in the use of digital game technologies by older adults is growing across disciplines from health and gerontology to computer science and game studies. The objective of this scoping review was to examine research evidence involving the oldest old (persons 85 years of age or greater) and digital game technology. MATERIALS AND METHODS: PubMed, CINHAL, and Scopus were searched, and 46 articles were included in this review. RESULTS: Results highlighted that 60 percent of articles were published in gerontological journals, whereas only 8.7 percent were published in computer science journals. No studies focused directly on the oldest old population. Few studies included sample sizes greater than 100 participants. Seven primary and 34 secondary themes were identified, of which Hardware Technology and Assessment were the most common. CONCLUSIONS: Existing evidence demonstrates the paucity of studies engaging older adults 85 years of age and above regarding the use of digital gaming and highlights a new understudied cohort for further research focus. Recommendations for future research include intentional recruitment and proportionate representation of participants ≥85 years of age, large sample sizes, and explicit mention of specific numbers of participants ≥85 years of age, which are necessary to advance knowledge in this area. Integrating a rigorous and robust mixed-methods approach including theoretical perspectives would lend itself to further in-depth understanding and knowledge generation in this field.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».