The Effect of Age on Electronic Health Literacy: Mixed-Method Study
Notice bibliographique
Résumé
BACKGROUND: The world's internet penetration rate is increasing yearly; approximately 25% of the world's population are internet users. In Asia, Taiwan has the fifth highest internet usage, and has an internet penetration rate higher than the world average. Electronic health (eHealth) literacy is the ability to read, understand, and utilize Web health information. eHealth literacy is gaining attention worldwide. OBJECTIVE: This study aimed compare the differences in eHealth literacy between traditional college students (aged between 18 and 22 years) and older adult students (aged between 55 and 72 years). It also summarizes the experiences and performances of these 2 groups in terms of searching online health-related information. METHODS: A mixed-method approach was used, including questionnaire surveys and interviews. A total of 208 respondents were interviewed: 65 traditional college students (31.3%) and 143 older adult students (68.7%). The results of the interviews were used to compare the eHealth literacy scores of the 2 groups. RESULTS: =12.17; P<.001). The findings showed a significant gap in eHealth literacy between the 2 groups. Most participants believed that online health information could be largely read and understood. However, they were skeptical about the quality of the information and noted that it consisted of either subjective judgments or objective standards. CONCLUSIONS: Traditional college students preferred esthetically pleasing health information, whereas older adult students focused on its promotion. Furthermore, the first group often used websites for solving health problems, whereas the second group forwarded health information through communication software.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».