Caregivers' Role in Cybersecurity for Aging Information Technology Users with Intellectual Disabilities
Notice bibliographique
Résumé
Information technology (IT) users with intellectual disabilities (ID) are likely to experience online privacy violations without adequate support from their caregivers. Given that aging users face additional challenges when using IT than their younger counterparts, the goal of this exploratory study is to investigate caregivers' strategies and barriers for helping to protect the privacy of aging IT users with ID. Six caregivers (four paid caregivers, two family members) of aging users with ID completed a series of six focus groups about their experiences assisting the people they support with using IT, including their strategies and barriers for helping to protect these users' privacy. Participants were also asked about their own attitudes and experiences related to online privacy and information security. Based on our inductive thematic analysis of the qualitative data, participants used three main strategies to help protect the privacy of aging users with ID: (1) restricting access to personal information, (2) limiting disclosure of personal details, and (3) providing just-in-time instruction and feedback. We also identified four key barriers to privacy protection: (1) limited awareness and knowledge about information security, (2) balancing privacy and autonomy, (3) maintaining professional boundaries, and (4) residential care services' policies. Inclusive and transdisciplinary research is needed to address the elevated privacy and security risks for aging IT users with ID, and provide caregivers with training on how to support this population to use IT safely. Technology developers should create solutions to decrease aging users with ID's dependence on caregivers for privacy protection.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».