Framing the Challenges of Digital Inclusion for Young Canadians
Notice bibliographique
Résumé
This chapter reports on The eQuality Project’s initial findings from focus groups conducted in Fall 2018 and Winter 2019 with a diversity of youth (ages 13–17) in three Canadian cities about their perspectives and experiences of privacy and equality in networked spaces. Focus groups explored online activities and platforms used by participants, whether and how privacy was an essential aspect to their enjoyment, online experiences where they felt unwelcome or disrespected, and their strategies to mitigate these constraints. We use a modified version of the Institute of Museum and Library Services’ digital inclusion framework to link the perspectives and apprehensions of the young people we interviewed to emerging digital policy questions. These include access (availability, affordability, inclusive design, and public access), application (across various sectors and uses like education, workplaces, employment, economic development, health, public safety, and civic engagement), and adoption (uptake and relevance, privacy and data rights, safety, and digital literacy). We conclude with several policy suggestions, including holding platform companies accountable and transparent about their data collection and privacy protection practises through producing coherent and well-designed terms of service; ensuring funding for enriched digital literacy programming for schools, parents, and young people in order to strengthen digital skills and knowledge about the dynamic nature of datafication; and bringing the voices of diverse Canadian youth into policymaking to ensure that intersectional perspectives and digital justice are core components for a rights-respecting networked environment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».