MétaCan
Menu
Retour à la cohorte
Enregistrement W4312103813 · doi:10.1093/geroni/igac059.858

ACHIEVING DIGITAL EQUITY FOR OLDER PERSONS WITH EMERGING TECHNOLOGY: THE CASE OF NORTH AMERICA

2022· article· en· W4312103813 sur OpenAlexaboutno aff
Neil Charness

Notice bibliographique

RevueInnovation in Aging · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDigital divideResidenceEquity (law)Internet accessThe InternetEthnic groupEconomic growthGeographyBusinessDemographic economicsPolitical scienceEconomicsComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Abstract The United Nations’ theme for the International Day of Older Persons 2021 was “Digital Equity for All Ages”. I define digital equity, then compare progress in North America, focusing on Canada, the USA, and Mexico for internet, smartphone, and broadband access. An age-related digital divide for internet and computer use, first identified in the USA in 1999, persists. Where year-to-year comparisons are available, I also discuss the impact of the pandemic on technology adoption. National data sets measuring internet use show that there are similarities and differences in the USA and Canada in factors influencing adoption. For smartphone ownership, Mexico showed gender differences favoring men, unlike the case in the USA and Canada. For broadband access in the USA inequity was seen as a function of age, race/ethnicity, education and income, and urban/rural residence. I discuss potential reasons for inequitable access and potential approaches to achieve greater equity.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil0,698

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,319
Écart entre enseignants0,298 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetTechnology Use by Older AdultsTravaux en français237 207