MétaCan
Menu
Retour à la cohorte
Enregistrement W4320913695 · doi:10.1145/3584732.3584736

Supporting Physical Activity in Later Life: Perspectives From Older Adults

2023· article· en· W4320913695 sur OpenAlexaff
Muhe Yang

Notice bibliographique

RevueACM SIGACCESS Accessibility and Computing · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDesign technologyResearch designPopulation ageingProcess (computing)PopulationOlder peoplePsychologyUser needsGerontologyKnowledge managementComputer scienceEngineeringMedicineSociologyInternet privacySystems engineering

Résumé

récupéré en direct d'OpenAlex

The older population, especially those living alone, is less likely to meet recommended physical activity levels than other age groups and deserves more attention in this era of population ageing. However, existing technologies for supporting physical activity have been generally poorly aligned with the needs of older adults. Reasons for such problem are manifold, including the lack of involving older adults in design and evaluation, prevalent technology-driven perspectives, and the complexity of designing behavior change technology. Therefore, this research project aims to investigate how to better design behavior change technology to support the needs of older adults living alone for physical activity, which will address four main aspects: meeting user needs, investigating the rationale of technology design, improving co-design practice, and evaluating designed technology. To this end, this project will employ a human-centered iterative design methodology and actively involve the target group in the design process to let their voices heard and incorporated in design. This research will not only contribute to a deeper understanding towards the needs and preferences of this insufficiently studied group, but also identify implications for improving co-design practices as well as design opportunities for future behavior change technology.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,004
Communication savante0,0070,005
Science ouverte0,0010,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,351
Écart entre enseignants0,326 · 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 source (Gemma direct ou Codex distillé), 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM SIGACCESS Accessibility and ComputingMême sujetInnovative Human-Technology InteractionTravaux en français237 207