The digital divide: Technology access and use
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: \nDespite the vision of universal access and uptake of digital information and communication technologies (ICT), inequities remain in Canada particularly in rural and Aboriginal populations. This digital divide directly translates to inequities in access and ability to use health services. With nurses increasingly using ICT - in care planning and patient care, in teaching and education for patients and interdisciplinary teams, and in directing patients to ICT-based resources (e.g. information on health promotion and disease management). As key users of ICT for health, nursing has an important role in mitigating the risk of unknowingly exacerbating health disparities and fractured provision of care that can result from the digital divide. \n \nPurpose of study/inquiry: \nThis study explores the digital divide among rural and Aboriginal communities in BC and asks: 1) What proportion of rural people have access to ICT?; and 2) what is the relationship between Aboriginal and non-Aboriginal rural communities with regard to ICT access? \n \nMethodology and methods: \nData will be drawn from the 2010 Canadian Internet Use Survey (Statistics Canada) and Broadband Canada (Industry Canada). A descriptive correlational design will explore trends and factors related to types and frequency of ICT use. \n \nFindings/implications: \nThese preliminary results will provide an overview of the scope and nature of the digital divide in rural and Aboriginal communities in Canada. Rather than assuming universal access to and capacity to use ICT, study results can inform policies and program planning to ensure appropriate use of ICT in the appropriate settings.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle