MétaCan
Menu
Retour à la cohorte
Enregistrement W2560378634 · doi:10.1080/1369118x.2017.1371785

Age for learning, age for teaching: the role of inter-generational, intra-household learning in Internet use by older adults in Latin America

2017· article· en· W2560378634 sur OpenAlexfundno aff
Roxana Barrantes, Angelo Cozzubo Chaparro

Notice bibliographique

RevueInformation Communication & Society · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesConcordia UniversitySocial Sciences and Humanities Research Council of CanadaInternational Development Research CentreCanadian International Development Agency
Mots-clésLatin AmericansThe InternetInformation AgeSociologyPsychologyGerontologyComputer scienceMedicinePolitical scienceEconomicsWorld Wide WebEconomy

Résumé

récupéré en direct d'OpenAlex

Given the accelerated aging of the global population, countries must prepare to assure their older adults' welfare. The Internet appears to be a means of ensuring that everybody, regardless of age, has access to information and can stay in touch. Data so far show the existence of a digital divide, so the question becomes: Is there a way to accelerate the digital inclusion of older adults? Using microdata from Buenos Aires (Argentina), Lima (Peru) and Guatemala City (Guatemala), this paper focuses on the role of younger people in the household in the process of Internet adoption by older adults. Regression analysis confirms that younger people play a pivotal role in the adoption process, but not in intensity of use, in which living with a spouse or partner is important for increasing the number of hours spent using the Internet.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil0,802

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,295
Écart entre enseignants0,271 · 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.

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

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

En bref

Citations75
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation Communication & SocietyMême sujetTechnology Use by Older AdultsTravaux en français237 207