DIGITAL STORYTELLING IN INTERVENTIONS WITH OLDER ADULTS—WHAT DOES THE LITERATURE SAY?
Notice bibliographique
Résumé
The aim of this literature review was to explore how has digital storytelling been used among older adults with typical aging, with dementia, and with cognitive impairment in interventions? We searched eight databases for studies that investigated the use of digital storytelling in older adults. Four researchers independently applied selection criteria and extracted data from the selected papers. One researcher with a broad experience in gerontology and research acted as a third reviewer to solve conflicts. Covidence software was used to manage the literature review. A total of 3366 references were retrieved from the databases, 13 duplicates were removed. After that 231 references are being analyzed by the team. Preliminary results show that digital storytelling is used to promote social engagement and reminiscence in older adults; to preserve traditions; and, to facilitate connectedness between elderly and young people including students. Some of the technologies used are multimedia that combine family photographs, film clips, audio narration, and music along with documentary video-making. Themes in the stories include older adults’ lives, experiences living with diseases, and factors that contribute to longevity. Positive changes in older adults are confidence, level of speech, sense of purpose and fellowship, social engagement, motivation and, intent to change one’s health behavior. Most of the studies used a qualitative approach. The literature on digital storytelling for older adults is in its early stages and the use of artificial intelligence is promising for facilitating the construction of the digital stories with older adults.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».