Older Adults’ Acceptance of Technology During the Pandemic: The COVID Technology Acceptance Model (TAM)
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 During the pandemic, technology-mediated communication was one of the few ways to maintain social and community connections. We explored how the pandemic impacted older adults’ use and appraisal of technology. In a random sample of 407 older adults (M age = 81.1 years; range 65-105 years) almost half (n = 161) reported they changed how they used technology to virtually connect with others during the pandemic, and 78 of these reported that this was new technology for them. We adapted the technology acceptance model (TAM) for the pandemic, the COVID-TAM, and describe how physical distancing led to new acceptance of technology due to an increased perception of usefulness of technology for maintaining community and social connections. The 71 older adults who denied using technology were asked about the reasons underlying their reluctance to use technology to access social networks and community events during the pandemic. Thematic analysis revealed factors consistent with a double-digital divide; lack of physical exposure to technology creates an additional psychological barrier to adoption of new technology. Of the technology-reluctant subgroup of older adults, few reported lack of perceived usefulness of technology during the pandemic. Instead, most reported lack of self-efficacy or fear of technology underlying their lack of technology use for social and community connections during the pandemic, which we incorporate into the COVID-TAM. Findings indicate that technology training can help mitigate this fear and increase social and community connections that are technology-mediated in circumstances where physical distancing is necessary.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| 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 | 0,000 | 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