Access denied: the shortage of digitized fitness resources for people with disabilities
Notice bibliographique
Résumé
PURPOSE: The COVID-19 pandemic has drastically impacted every aspect of life, including how people exercise and access fitness resources. Prior to COVID-19, the global burden of disease attributable to sedentary behavior disproportionately affected the health of people with disabilities (PWD). This pre-existing gap has only widened during COVID-19 due to limited disability-friendly digital exercise resources. The purpose of this work is to examine this gap in accessibility to digital fitness resources, and re-frame the notion of accessibility to suit the contemporary context. MATERIALS AND METHODS: Using machine learning, video titles/descriptions about home exercise ordered by relevance populated on YouTube between 1 January 2020 and 30 June 2020 were examined. RESULTS: Using the search terms, "home exercise," "home-based exercise," "exercise no equipment," "workout no equipment," "exercise at home," or "at-home exercise," 700 videos ordered by relevance included 28 (4%) that were inclusive of participants with disabilities. Unfortunately, most digital fitness resources are therefore inaccessible to PWD. The global pause the pandemic has induced may be the right moment to construct a comprehensive, indexed digital library of home-based fitness video content for the disabled. There is a further need for more nuanced understandings of accessibility as technological advancements continue.Implications for RehabilitationPhysical activity is incredibly important to the quality of life and health of all people.Physical activity levels, however, remain lower among persons with disabilities.Access to disability-friendly resources remains a challenge and worsened by the circumstances of COVID-19 due to an apparent lack of digital fitness resources for persons with disabilities.A broader and comprehensive definition of accessibility must recognize digital advances and access to physical activity for persons with disabilities must feature digital resources.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,005 |
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 ».