MétaCan
Menu
Retour à la cohorte
Enregistrement W4403425411 · doi:10.1016/j.techsoc.2024.102735

Categorical and resource inequalities in self-reliant internet use and use-by-proxy among older adults in Slovenia during the COVID-19 pandemic

2024· article· en· W4403425411 sur OpenAlexaff
Andraž Petrovčič, Anabel Quan‐Haase, Bianca C. Reisdorf, Štěpán Žádník, Simona Hvalič‐Touzery, Jerneja Laznik

Notice bibliographique

RevueTechnology in Society · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensWestern University
Organismes subventionnairesJavna Agencija za Raziskovalno Dejavnost RS
Mots-clésCoronavirus disease 2019 (COVID-19)Proxy (statistics)Categorical variablePandemicInequality2019-20 coronavirus outbreakResource (disambiguation)The InternetPsychologyComputer scienceMedicineMathematicsVirologyStatisticsWorld Wide WebOutbreak

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic had a considerable impact on how older adults engaged online, with many using the internet for the first time or relying on family, friends, and peers to perform an activity online on their behalf, a form of internet use known as use-by-proxy. Since we lack large-scale research that compares what factors influence self-reliant internet use and use-by-proxy in older adults during the pandemic, this study seeks to fill this gap. Drawing on resources and appropriation theory, we examine how categorical (e.g., age, gender, education) and resource inequalities (e.g., social, material) shape internet use among older adults as well as the availability and activation of use-by-proxy among older internet non-users. We conducted three binary logistic regression models to analyze survey data collected in 2021 during the fourth wave of pandemic public health measures in Slovenia from a sample of 701 older adults aged 65+. The results show that personal and positional categorical disparities among older adults were significantly associated with their internet use during the pandemic, whereas bridging social capital was the only social resource positively associated with internet use. Conversely, categorical inequalities played a less important role in the availability of use-by-proxy than social resources. In fact, apart from occupation, bonding and bridging social capital were the only positive correlates of availability of proxy users among older internet non-users. Surprisingly, neither type of social capital was linked with the activation of use-by-proxy, which was only associated with two positional categorical disparities: marital status and residential area. Our findings suggest that addressing age-related digital inequalities after the pandemic requires a diversified approach that considers the heterogeneity of categorical and resource inequalities shaping older adults' self-reliant internet use and use-by-proxy. • Two forms of internet use are studied with resources and appropriation theory. • Survey data among older adults aged 65+ collected during the COVID-19 pandemic. • Categorical and resource inequalities are related to self-reliant internet use. • Social resources determine availability of use-by-proxy among older non-users. • Activation of use-by-proxy is related only to marital status and residential area.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,282
Écart entre enseignants0,262 · 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'étudeObservationnel
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology in SocietyMême sujetTechnology Use by Older AdultsTravaux en français237 207