Perceived and Performed eHealth Literacy: Survey and Simulated Performance Test
Notice bibliographique
Résumé
BACKGROUND: Electronic health (eHealth) literacy of consumers is essential in order to improve information and communication technology (ICT) use for health purposes by ordinary citizens. However, performed eHealth literacy is seldom studied. Therefore, the present study assessed perceived and performed eHealth literacy using the recent conceptualization of health literacy skills. OBJECTIVE: The aim of this paper was to examine the association between perceived and performed eHealth literacies. METHODS: In total, 82 Israeli adults participated in the study, all 50 years and older, with a mean age of 67 (SD 11). Of the participants, 60% (49/82) were women and 72% (59/82) had a post-secondary education. The participants were first surveyed and then tested in a computer simulation of health-related Internet tasks. Performed, perceived (eHealth Literacy Scale, eHEALS), and evaluated eHealth literacy were assessed, and performed eHealth literacy was also recorded and re-evaluated later. Performance was scored for successful completion of tasks, and was also assessed by two researchers for motivation, confidence, and amount of help provided. RESULTS: The skills of accessing, understanding, appraising, applying, and generating new information had decreasing successful completion rates. Generating new information was least correlated with other skills. Perceived and performed eHealth literacies were moderately correlated (r=.34, P=.01) while facets of performance (ie, digital literacy and eHealth literacy) were highly correlated (r=.82, P<.001). Participants low and high in performed eHealth literacy were significantly different: low performers were older and had used the Internet for less time, required more assistance, and were less confident in their conduct than high performers. CONCLUSIONS: The moderate association between perceived and performed eHealth literacy indicates that the latter should be assessed separately. In as much, the assessment of performed eHealth literacy in clinical settings should entail the structuring of tasks as well as shortening and automatizing the assessment.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».