Mobilizing social support: New and transferable digital skills in the era of COVID-19
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
The COVID-19 pandemic is an unprecedented global crisis that has had profound impacts on people’s lives. Under these circumstances, social support can buffer against pandemic-related stress. Yet, the dynamics of the COVID-19 pandemic with its stringent health guidelines have created unique challenges to the mobilization of social support. These challenges particularly affect vulnerable groups with limited digital life skills. Based on a qualitative study of 101 semi-structured interviews with East York residents in Toronto, Canada conducted in 2013–2014, we investigate what new and transferable digital life skills are needed in the pre- and post-pandemic era to mobilize social support. Our findings reveal that East Yorkers easily transfer their digital skills to many spheres of their lives, which help them to organize their busy social lives and coordinate events and gatherings as well as to flexibly socialize online. When needed, East Yorkers adapt and expand their digital skills to substitute for in-person contact, often overcoming communication barriers. One of the key benefits of developing digital life skills is the ability to mobilize social support (i.e., companionship, emotional aid, large services, and technical support), whereby individuals employed different digital skills to mobilize different types of support. The findings demonstrate what new and transferable digital life skills are needed to navigate social support in a post-pandemic era. The study has implications for the development of age-specific interventions to strengthen much needed digital life skills that will aid individuals in mobilizing their social support during crises, such as the COVID-19 pandemic, and help mitigate the negative effects of stress.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 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