Notice bibliographique
Résumé
This paper analyzes the evolution of the digital divides in Canada. Our first model suggests that education, age, income, geographical location, sex and employment status all influenced Internet use in 2012, after controlling for all the factors. The descriptive statistics suggest that the digital divide based on Internet use from any location decreased slightly, generally speaking, between 2010 and 2012. However, when we look at Internet use with a wireless handheld device, the digital divide has widened considerably in most socio-demographic groups. A linear regression model is then used to assess the presence of a “second level” digital divide by regressing the number of online activities performed by Internet users on a set of socio-demographic variables. The results suggest that income, education and age are the main predictors of the number of activities Internet users carry out online, thus suggesting that younger, wealthier and more educated individuals have a greater propensity to take advantage of our digital society. It is important for policy analysts and academic researchers to continue monitoring the various aspects of the digital divide in order to ensure all Canadians have the opportunity to participate fully in a digital society. However, such monitoring requires pertinent data and measurement of Internet use in Canada remains somewhat ad hoc. For instance, this and other similar research efforts use data from the Canadian Internet Use Survey (CIUS), which continues to be conducted on an occasional basis. This paper presents some thinking on how the program of measurement of the digital divide and more broadly the measurement of the digital economy can evolve in Canada. It addresses a series of data gaps pertaining to the measurement of the digital divide, from issues of population coverage to barriers to adoption and use, to digital skills and competencies, ICT use in school, and effects of digital platforms on connecting Canadians, as well as impacts of increased information flows. Key elements of a roadmap for the measurement of the digital divide in Canada are identified, including strengthening of partnerships as leader and curator of official statistics; making more efficient use of existing survey infrastructure; targeting content on individual use of ICTs; and exploring avenues for direct measurement of Internet performance. The paper concludes with a series of key considerations for addressing the digital divide in Canada.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».