MétaCan
Menu
Retour à la cohorte
Enregistrement W3193521436 · doi:10.1080/15228835.2021.1962477

“Because I’m Old”: The Role of Ageism in Older Adults’ Experiences of Digital Literacy Training in Public Libraries

2021· article· en· W3193521436 sur OpenAlexaffabout
Hannah Barrie, Tara La Rose, Brian Detlor, Heidi Julien, Alexander Serenko

Notice bibliographique

RevueJournal of Technology in Human Services · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensOntario Tech UniversityMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLiteracyAsset (computer security)Digital literacyMedical educationTraining (meteorology)PsychologyAdult literacyInformation literacyGerontologyMedicinePedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

This article explores the experiences of older adults attending digital literacy training sessions offered by the public library system in one city in Ontario. Semi-structured interviews with 12 older adults (age 60+) demonstrated the significance of societal and internalized ageism in shaping the experiences of participants, as well as the construction of the training as a “safe space” for experimentation. Implications for participants and future public library digital literacy training sessions are discussed, with particular attention to asset-based approaches, the need for skill development, and addressing the effects of ageism on participants.Supplemental data for this article is available online at https://doi.org/10.1080/15228835.2021.1962477 .

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,529

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,278
Écart entre enseignants0,264 · 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 tête enseignante, 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

Citations73
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Technology in Human ServicesMême sujetTechnology Use by Older AdultsTravaux en français237 207