Exploring Older Adults’ Adoption and Use of a Tablet Computer During COVID-19: Longitudinal Qualitative Study
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
BACKGROUND: As mobile computing technology evolves, such as smartphones and tablet computers, it increasingly offers features that may be particularly beneficial to older adults. However, the digital divide exists, and many older adults have been shown to have difficulty using these devices. The COVID-19 pandemic has magnified how much older adults need but are excluded from having access to technologies to meet essential daily needs and overcome physical distancing restrictions. OBJECTIVE: This study sought to understand how older adults who had never used a tablet computer learn to use it, what they want to use it for, and what barriers they experience as they continue to use it during social isolation caused by the COVID-19 pandemic. METHODS: We conducted a series of semistructured interviews with eight people aged 65 years and older for 16 weeks, investigating older novice users' adoption and use of a tablet computer during the nationwide lockdown due to COVID-19. RESULTS: Participants were gradually yet successfully accustomed to using a tablet computer to serve various daily needs, including entertainment, social connectedness, and information-seeking. However, this success was not achieved through developing sufficient digital skills but rather by applying the methods they were already familiar with in its operation, such as taking and referring to instruction notes. CONCLUSIONS: Our findings imply that older adults without digital literacy can still benefit from a digital device for quality of later life if proper traditional methods they are already familiar with are offered in its 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 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 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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