Integration of Conversion Factors for the Development of an Inclusive eHealth Tool With Caregivers of Functionally Dependent Older Persons: Social Justice Design
Notice bibliographique
Résumé
BACKGROUND: eHealth can help reduce social health inequalities (SHIs); at the same time, it also has the potential to increase them. Several conversion factors can be integrated into the development of an eHealth tool to make it inclusive: (1) providing physical, technical, and financial access to eHealth; (2) enabling the integration of people at risk of SHIs into the research and development of digital projects targeting such populations (co-design or participatory research); (3) promoting consistency between the digital health literacy level of future users (FUs) and the eHealth tool; (4) developing an eHealth tool that is consistent with the technological skills of FUs; (5) ensuring that the eHealth tool is consistent with the help-seeking process of FUs; (6) respecting the learning capacities of FUs; and (7) being sensitive to FUs' cultural context. However, only little empirical evidence pointing out how these conversion factors can be integrated into an effective eHealth tool is available. OBJECTIVE: On the basis of Amartya Sen's theoretical framework of social justice, the objective of this study was to explore how these 7 conversion factors can be integrated into an eHealth tool for caregivers of functionally dependent older persons. METHODS: This study was based on a social justice design and participant observation as part of a large-scale research project funded by the Ministère de la Famille through the Quebec Ami des Aînés Program. Data were collected by recording the preparation sessions, the co-design and advisory committee sessions, as well as the debriefing sessions. The results were analyzed using Miles and Huberman's method. RESULTS: A total of 78 co-designers participated in 11 co-design sessions, 24 preparation sessions, and 11 debriefing sessions. Of the 7 conversion factors, 5 could be explored in this experiment. The integration of conversion factors has been uneven. The participation of FUs in the development of the tool supports other conversion factors. Respecting the eHealth literacy level of FUs means that their learning abilities and technological skills are also respected because they are closely related to one another and are therefore practically difficult to be distinguished. CONCLUSIONS: Conversion factors can be integrated into the development of eHealth tools that are intended to be inclusive and contribute to curbing SHIs by integrating FU participation into the tool design process.
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 | 0,018 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».