Digital Literacy Training for Low-Income Older Adults Through Undergraduate Community-Engaged Learning: Single-Group Pretest-Posttest Study
Notice bibliographique
Résumé
BACKGROUND: Digital technology is a social determinant of health that affects older people's ability to engage in health maintenance and disease prevention activities; connect with family and friends; and, more generally, age in place. Unfortunately, disparities in technology adoption and use exist among older adults compared with other age groups and are even greater among low-income older adults. OBJECTIVE: In this study, we described the development and implementation of a digital literacy training program designed with the dual goals of training low-income older adults in the community and teaching students about aging using a community-engaged learning (CEL) approach. METHODS: The training program was embedded within a 10-week CEL course that paired undergraduates (N=27) with low-income older adults (n=18) for 8 weeks of digital literacy training. Older adults and students met weekly at the local senior center for the training. Students also met in the classroom weekly to learn about aging and how to use design thinking to train their older adult trainees. Both older adults and students completed pre- and posttraining surveys. RESULTS: Older adults demonstrated increased digital literacy skills and confidence in the use of digital technology. Loneliness did not change from pre to postassessment measurements; however, older adults showed improvements in their attitudes toward their own aging and expressed enthusiasm for the training program. Although students' fear of older adults did not change, their comfort in working with older adults increased. Importantly, older adults and students expressed positive feelings about the trainee-trainer relationship that they formed during the training program. CONCLUSIONS: A CEL approach that brings together students and low-income older adults in the community has a strong potential to reduce the digital divide experienced by underserved older adults. Additional work is needed to explore the efficacy and scalability of this approach in terms of older adults' digital literacy as well as other potential benefits to both older and younger adults.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».