MétaCan
Menu
Retour à la cohorte
Enregistrement W3123780936 · doi:10.1080/0960085x.2021.1876534

Effective use of information technologies by seniors: the case of wearable device use

2021· article· en· W3123780936 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEuropean Journal of Information Systems · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAffordanceWearable computerWearable technologyComputer scienceSmartwatchHealth careHuman–computer interactionInternet privacyEmbedded system

Résumé

récupéré en direct d'OpenAlex

Healthcare is an area that has benefitted from the developments in wearable device technology. Seniors, who usually suffer from multiple comorbidities, are among the target users of these devices, and research has shown potential health benefits for seniors when they use these devices effectively. However, the adoption rate of wearable devices is low, especially among seniors, preventing the full utilisation of their data in healthcare. In this study, we interviewed forty-four seniors across North America and collected data from their wearable devices to develop a theoretical affordance network-based model to explain seniors’ effective use of wearable devices. Our model indicates that despite the apparent simplicity of wearable devices, they have multiple affordances that help seniors achieve several goals, including activity monitoring, activity planning, and activity improvement. Furthermore, we identified factors that enable seniors to actualise the affordances of wearable devices and achieve their goals. The results of this study suggest a strong relationship between seniors’ mental and physical capabilities and their willingness to use and benefit from wearable devices. We join other researchers in their call for a contextual study on consumer technology use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,527
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,006
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,251
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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