MétaCan
Menu
Retour à la cohorte
Enregistrement W2972045859 · doi:10.28933/ijoar-2019-07-2805

Benefits of Digital Gameplay for Older Adults: Does Game Type Make a Difference?

2019· article· en· W2972045859 sur OpenAlexaboutno aff
David Kaufman, Mengxin Ma, Louise Sauvé, Lise Renaud, Emmanuel Duplàa

Notice bibliographique

RevueInternational Journal of Aging Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocioemotional selectivity theoryLonelinessCognitionPsychologyExcellenceIntervention (counseling)Social psychologyApplied psychologyDevelopmental psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Digital games can help older adults to entertain themselves, socialize with others, engage their cognitive functions, and enhance emotional states. This study surveyed 463 older Canadian adults to identify the digital games they had played and investigate whether playing them was associated with perceived socioemotional and cognitive benefits. The most widely reported socioemotional benefits were developing self-confidence, dealing with loneliness, and connecting with family. The most widely reported cognitive benefits were focusing, memory improvement, improved reaction speed, and problem solving. In the socioemotional category, connecting with current friends and connecting with family were both associated with strategy games, while connecting with current friends was also associated with sport games. In the cognitive category, both problem solving and speed in reacting/responding were associated with arcade games. Results show that playing digital games has the potential to be an intervention tool to improve older adults’ wellbeing. Funding: This study was supported by the Social Sciences and Humanities Research Council of Canada (grant number 435-2012-0325) and AGE-WELL NCE Inc., a member of Canada’s Networks of Centres of Excellence (grant number CRP 2015-WP4.2).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,528
Score d'incertitude au seuil0,238

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,383
Écart entre enseignants0,347 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Aging ResearchMême sujetTechnology Use by Older AdultsTravaux en français237 207