The Influence of Information Acceptance on Information Use Performance in the Case of Vulnerable Classes
Notice bibliographique
Résumé
This study analyzed the effect of information acceptance on the information use performance for the vulnerable groups. The sample group was classified into general public group and vulnerable groups residing in Korea, and the vulnerable groups were divided into the disabled, the low - income group, the elderly group and the farmers. The characteristics of the vulnerable groups were selected by the competence level, use motive, and use attitudes and the correlation between each factor and use utilization was analyzed. In all groups, the use motive and the use attitude showed a strong positive correlation with the use performance of .682. In particular, the information use attitude and the information use performance were closely related. The correlation between the use attitude and use performance of the vulnerable groups were investigated in the order of lower grade (.695), farmers & fishermen (.688), elderly (.674), and disabled (.672). In conclusion, this study shows that if use attitude is high, use performance is high. Therefore, in order to expand the acceptance of information on vulnerable groups, various programs that can increase the use attitude of information should be introduced. Through this, it was found that the vulnera-ble groups could induce the use attitude of information and the satisfaction of the use performance, and ultimately the digital information divide could be reduced by improving the information acceptance of the vulnerable groups. This study has limitations in securing various contents of inquiry based on questionnaire survey. It is necessary to analyze various factors besides factors selected as environmental fac-tors of information acceptance as characteristics of vulnerable groups.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,008 |
| Science ouverte | 0,001 | 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 ».