Identity Theft Among Older Adults: Risk and Protective Factors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Although financial exploitation and fraud targeting older adults have been the focus of increasing academic attention, research on identity theft among older adults is virtually nonexistent. Identity theft refers to an intentional, unauthorized transfer or use of a person’s identifying information for unlawful purposes (Federal Trade Commission 1998). Society’s growing reliance on technology to transfer and store private information has created increased opportunities for financial predators to access and misuse personal data. Results from the most recent Bureau of Justice Statistics’ Identity Theft Supplement show that nearly 1 in 10 adults aged 65 or older experienced identity theft in the past year, with financial losses totaling $2.5 billion. Given the high frequency and cost of identity theft among older Americans, more research is needed to guide prevention efforts and interventions that support recovery. This paper examines the risk factors, protective factors, costs, and consequences of identity theft victimization among older adults, focusing on differences between those aged 65-74 and those 75 or older. Findings suggest that the prevalence of identity theft is lower among those 75 or older (6.6% versus 10.3%), but those 75 or older experienced higher average losses per identity theft incident ($155 vs $96). Compared to those aged 65-74, a lower percentage of adults aged 75 or older engaged in online shopping, thereby reducing their risk of identity exposure (48% versus 24%). However, they were also less likely to engage in protective behaviors such as checking credit reports, changing passwords, checking account statements, and using security software.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle