DIGITAL DIVIDE: UNDERSTANDING DIFFERENCES IN ICT LITERACY IN THE CANADIAN CONTEXT
Notice bibliographique
Résumé
We know that inequality in access to the Internet is significantly related to socio-demographic inequalities, but we know far less about how other aspects of the “digital divide”, such as information and communication technology (ICT) literacy, are related to these same inequalities. The present study uses a sample of 21,189 Canadian respondents to the Program for the International Assessment of Adult Competencies (PIAAC) survey, to examine relationships between sociodemographic factors and ICT literacy and how those relationships differ by age. ICT literacy is measured as respondents’ scores on the PIAAC problem solving in technology-rich environments module. Results indicate that baby boomers scored significantly lower on the ICT literacy scale than younger counterparts. Results of multiple regression analyses are consistent with prior research on the digital divide indicating that social disparities in Canada in ICT literacy are related to gender, education, income, type of occupation, immigrant status, language spoken at home, and everyday experience with computers. When these relationships are examined across age groups, findings consistently indicate that being a man and having a skilled job or higher education are significantly and positively related to ICT literacy. However, older adults were found to be more disadvantaged in terms of ICT literacy by lower educational attainment than their younger counterparts while women aged 25+ are more disadvantaged than women under age 25 compared to their male counterparts. Overall, our findings show that the risk factors for lower levels of ICT literacy are similar to those for poorer access to 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».