MétaCan
Menu
Retour à la cohorte
Enregistrement W3176784233 · doi:10.3390/soc11020066

Co-Design as Learning: The Differences of Learning When Involving Older People in Digitalization in Four Countries

2021· article· en· W3176784233 sur OpenAlexafffundabout
Björn Fischer, Britt Östlund, Nicole Dalmer, Andrea Rosales, Alexander Peine, Eugène Loos, Louis Neven, Barbara Marshall

Notice bibliographique

RevueSocieties · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensTrent UniversityMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchMinisterio de Asuntos Económicos y Transformación Digital, Gobierno de EspañaForskningsrådet om Hälsa, Arbetsliv och VälfärdZonMw
Mots-clésPower (physics)Older peopleRaising (metalworking)Core (optical fiber)PsychologyKnowledge managementDynamics (music)Qualitative researchCo-designLearning designComputer scienceSociologyEngineeringPedagogyMathematics educationMedicineGerontology

Résumé

récupéré en direct d'OpenAlex

Involving older people through co-design has become increasingly attractive as an approach to develop technologies for them. However, less attention has been paid to the internal dynamics and localized socio-material arrangements that enact this method in practice. In this paper, we show how the outcomes that can be achieved with user involvement often pertain to learning, but their content can differ significantly based on how the approach is implemented in practice. Combining explorative, qualitative findings from co-design conducted in four countries (Canada, the Netherlands, Spain, and Sweden), we illustrate how different types of learning occurred as design workshops engaged the experiences and skills of older people in different ways. Our findings make visible how learning can be a core outcome of co-design activities with older adults, while raising awareness of the role of the power relations and socio-material arrangements that structure these design practices in particular ways. To benefit from the full wealth of insights that can be learned by involving older people, deeper knowledge is needed of the implicit features of design, the materials, meanings, and power aspects involved.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,031
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0050,009
Communication savante0,0090,005
Science ouverte0,0010,013
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,276
Écart entre enseignants0,252 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocietiesMême sujetTechnology Use by Older AdultsTravaux en français237 207