Online Personal Learning Networks for Older Adults: Impacts on Social and Mental Well-Being
Notice bibliographique
Résumé
This study investigated retired older adults (age 55+) who use the Internet to facilitate their informal, self-directed learning by creating and maintaining their online personal learning networks (oPLNs), and how such use impacts their personal, social, and mental well-being. Guiding this examination were particular research questions that specifically queried the perceived value of their oPLNs to activate and self-direct their informal learning. The web-conferencing tool WebEx was used to conduct four synchronous online focus groups allowing a total of 15 voluntary, geographically dispersed participants from across Canada to share their experiences and insights. A thematic analysis of the focus group transcripts revealed themes informing how oPLNs facilitated their informal learning goals and influenced participants’ personal valuing of their online activity. As a component of results from the larger research study (Morrison, Litchenwald, & Krystkowiak, 2020; Morrison, Litchewald, & Tang, 2020; Morrison & McCutcheon, 2019) , the findings presented, drawn from the online focus group qualitative data, indicated positive perceived valuing of their informal learning via their oPLNs as well as indications of favorable social and mental well-being outcomes. Interpretive speculation is provided regarding how these informal online learning experiences and oPLNs in particular, may point to a favorable impact on similar retired older adults’ personal, social, and mental well-being.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».