Privacy attitudes and concerns in the digital lives of older adults:\n Westin's privacy attitude typology revisited
Notice bibliographique
Résumé
There is a growing literature on teenage and young adult users' attitudes\ntoward and concerns about online privacy, yet little is known about older\nadults and their unique experiences. As older adults join the digital world in\ngrowing numbers, we need to gain a better understanding of how they experience\nand navigate online privacy. This paper fills this research gap by examining 40\nin-depth interviews with older adults (65 and older) living in East York,\nToronto. We found Westin's typology to be a useful starting point for\nunderstanding privacy attitudes and concerns in this demographic. We expand\nWestin's typology and distinguish five categories: fundamentalist, intense\npragmatist, relaxed pragmatist, marginally concerned, and cynical expert. We\nfind that older adults are not a homogenous group composed of privacy\nfundamentalists; rather, there is considerable variability in terms of their\nprivacy attitudes, with only 13 per cent being fundamentalists. We also\nidentify a group of cynical experts who believe that online privacy breaches\nare inevitable. A large majority of older adults are marginally concerned, as\nthey see their online participation as limited and harmless. Older adults were\nalso grouped as either intense or relaxed pragmatists. We find that some\nprivacy concerns are shared by older adults across several categories, the most\ncommon being spam, unauthorized access to personal information, and information\nmisuse. We discuss theoretical implications based on the findings for our\nunderstanding of privacy in the context of older adults' digital lives and\ndiscuss implications for offering training appropriate for enhancing privacy\nliteracy in this age group.\n
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».