MétaCan
Menu
Retour à la cohorte
Enregistrement W2731951642 · doi:10.1093/geroni/igx004.4903

“OUR FITBITS, OURSELVES?” WEARABLES, SELF-TRACKING AND AGING EMBODIMENT

2017· article· en· W2731951642 sur OpenAlexaff
Barbara Marshall

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésWearable computerTracking (education)Key (lock)Psychological interventionPhysical activityEveryday lifePsychologyWearable technologyInternet privacySittingHuman–computer interactionApplied psychologyComputer scienceSocial psychologyData scienceComputer securityPolitical scienceMedicinePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

As physical activity is considered key to the prevention of many age-related problems and inactivity becomes framed as irresponsible (“sitting is the new smoking”), the market for devices to measure, monitor, motivate and manage activity has expanded. Translating bodily movement into quantifiable outputs, these devices produce data which can be used, shared and/or displayed in different ways, and which are bound up with discourses of risk and the management of future health. While biomedical and exercise science research focuses on how self-tracking devices can enhance behavioral interventions with older adults, I draw on interview data to explore the ways that data produced by self-tracking circulates through networks of technologies, relationships and expertise, and argue that more attention needs to be paid to the ways in which quantification is embedded in everyday social worlds.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil0,778

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,000
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 Opus0,041
Tête enseignante GPT0,334
Écart entre enseignants0,293 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetInnovative Human-Technology InteractionTravaux en français237 207