Investigating the gendered nature of new parents’ digital technology use for health information
Notice bibliographique
Résumé
Abstract Background Parenting is marked by intense emotional and health information needs for individuals and families. Understanding how digital technologies are used by new parents may allow public health organizations to tailor digital health information resources and delivery methods to better meet needs. Methods A qualitative descriptive study was conducted to understand new parents’ experiences with digital technology during their transition to parenting. Individuals in Ontario, Canada who had become a parent in the past 24 months were recruited to participate in a focus group. Participants were asked to describe the technologies used to support their parenting and how they were used to support self and family health. Focus group data were subjected to thematic analysis using inductive coding. Results Focus groups were conducted with 26 heterosexual female participants. Participants primarily used digital technologies (smartphone, social media) to seek information on maternal, foetal, and infant health and establish social and emotional supports. Parental health information work was gendered and categorized by 2 dominant themes. First, “‘Let me know when I'm needed'” typifies fathers’ limited health information seeking and reinforces mothers as lay information mediaries. Second, “Information Curation” captures participants’ belief that gender biases built-in to digital parenting resources reified the gendered nature of health information work for new parents. Conclusions While parents regularly use digital resources for health information seeking, the gendered nature of such digital resources reinforces gendered divisions of health work. Key messages • Digital technologies tailored to new parents actively reinforces gender norms. • Public health organizations have an opportunity to engage with new parents to identify how digital information resources can be created that support equitable division of health information work.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».