MétaCan
Menu
Retour à la cohorte
Enregistrement W4403639022 · doi:10.15353/joci.v20i1.5144

Use of Electronic Mail by Educated Older Adults in Oyo State, Nigeria

2024· article· en· W4403639022 sur OpenAlexvenueno aff
Funmilola Olubunmi Omotayo, Janet O. Adekannbi

Notice bibliographique

RevueThe Journal of Community Informatics · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésState (computer science)Computer science

Résumé

récupéré en direct d'OpenAlex

This study presents preliminary findings on the use of e-mails by educated older adults in Nigeria-based areas of residency. This study is based on a quantitative survey (n = 167) which investigated the level of awareness and use of e-mails, reasons for use and non-use, as well as continuance and intention to use e-mail by older adults in three settings (urban, semi-urban, and rural areas) of Oyo state, Nigeria. A questionnaire was used to collect data. Results showed that about half of the educated older adults were aware of e-mail with a higher percentage of those aware residing in the urban area. There was a low level of usage of e-mail, especially among the semi-urban and rural dwellers. The major purpose of using e-mail was to receive alerts for banking transactions. E-mail users at the three locations intended to continue using e-mail, although the intention was stronger among the semi-urban and rural dwellers. Most non-users in the semi-urban and rural locations were not aware of e-mail, while most did not use e-mail because they had alternative means of communicating with people and saw no need for it. Concerns about the security of e-mails, lack of awareness of the benefits of using e-mail, and lack of literacy in e-mail use are some other reasons for non-use. Most of the non-users had the intention to use e-mail in the future, especially those in urban and semi-urban areas. It is recommended that efforts be geared towards creating more awareness about the importance of e-mail among the older population as well as developing training interventions on the use of e-mail, especially among the semi-urban and rural dwellers.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,292
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetTechnology Use by Older AdultsTravaux en français237 207