MétaCan
Menu
Retour à la cohorte
Enregistrement W2586302308 · doi:10.1080/21931674.2016.1277861

Older people and the use of ICTs to communicate with children and grandchildren

2017· article· en· W2586302308 sur OpenAlexaboutno aff
Loredana Ivan, Mireia Fernández-Ardèvol

Notice bibliographique

RevueTransnational Social Review · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAppropriationGratificationThe InternetIncentivePsychologySet (abstract data type)SociologyPublic relationsAdvertisingSocial psychologyInternet privacyBusinessPolitical scienceComputer scienceWorld Wide WebEconomics

Résumé

récupéré en direct d'OpenAlex

In this research we explore older people’s incentives to use Internet services to communicate with their children and grandchildren, and the factors that make older individuals stop using (or even reject) Internet-mediated communications. We apply the uses and gratifications theory, and the gratification niche of medium concept to understand the way people return to less sophisticated tools of communication once the marginal utility is lost. Our analysis is based on empirical evidence the two authors gathered in a set of case studies. We conducted semi-structured interviews with people aged 60 and over in Barcelona, Romania (Bucharest and rural areas), Toronto, Los Angeles, Montevideo, and Lima. The results show that communicating with children and grandchildren when families get separated is an important motivator that “pushes” the elderly to learn more about the use of information and communication technologies (ICTs). We emphasize the fact that once motivation is lost (i.e. when family members are back home) the interest in using a particular technology to communicate is diminished, therefore older people might stop using it. We argue for a more dynamic model of technology appropriation for this age group that includes successive stages: ignoring, appropriation, rejection, and re-appropriation.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil0,956

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,321
Écart entre enseignants0,281 · 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'étudeObservationnel
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

Citations48
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransnational Social ReviewMême sujetTechnology Use by Older AdultsTravaux en français237 207