Elder People and Personal Data: New Challenges in Health Platformization
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 Uruguay, as in many countries around the world, healthcare providers are looking to digital technologies to enhance service provision. This includes introducing new data-intensive systems that facilitate connections between healthcare providers and patients and maintaining records of these interactions. This article considers the numeric ability of older citizens to critically assess the implications of platformization and datafication within the Uruguayan healthcare system with a view to identifying implications for digital literacy programs. The ability of older people to manage their personal data within healthcare systems shapes their ability to enact citizenship and human rights. This reality came into sharp relief during the recent Covid-19 pandemic, demonstrating the extent to which core social services have become datafied and digitally mediated, as well as their potential to deepen digital divides where senior citizens are concerned. Critical perspectives on technological change, well-being, and ageing offer useful perspectives on this challenge. Drawing inspiration from these perspectives, in this article, we explore the results of a digital literacy initiative that worked with 16 seniors to explore their experiences of personal data collection within Uruguay’s new National Comprehensive Health System. Our approach simultaneously worked to build digital literacy while also revealing the complex relationships and disconnections between the ontological frameworks mapped onto healthcare by systems designers and the reality of older people. In the conclusions, we consider the implications of these observations for seniors’ digital literacy interventions that foster seniors’ critical understanding of their data subjectivity in the context of local healthcare systems.
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 | 0,000 |
| 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) | 0,000 | 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