Set in Stone? Mobile Practices Evolution in Later Life
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
In what ways do mobile communication practices change through later life? To what extent do sociodemographic characteristics, country of residence, and well-being relate to these changing practices? To answer these questions, we used an online, longitudinal study targeting internet users aged 60 and over in six countries (Austria, Canada, Israel, the Netherlands, Spain, and Romania). The focus is on the 3,125 respondents who declared using a mobile phone in every wave (2016, 2018, and 2020). Results show an increasing usage diversification already before the Covid-19 pandemic. A latent class analysis identified three different styles of mobile practices. The most sophisticated relies on almost all the analyzed functions, while the most unsophisticated is limited to voice calls, texting (mainly SMS), and photographs to a lesser extent. Finally, a multinomial analysis provided a picture of the individual characteristics related to the usage styles in the period. The most relevant dimensions were country of residence and age, followed by internet use intensity. The country of residence is relevant to explaining usage because the telecommunications price structure determines the priority given to the mobile phone in (senior) individuals’ everyday lives. The article contributes nuanced evidence of the trajectories of digital practices in later life. At the same time, the findings support and better inform country-based policies, services, and products for more effective inclusion of the older population in today’s hyper-digitized societies.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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