MétaCan
Menu
Retour à la cohorte
Enregistrement W4407252543 · doi:10.2196/60547

Digital Competence of Arabic-Speaking Immigrant and Refugee Older Adults Enacting Agency and Navigating Barriers: Qualitative Descriptive Study

2025· article· en· W4407252543 sur OpenAlexafffundabout
Jordana Salma, Alesia Au, Ghada Sayadi, Manal Kleib

Notice bibliographique

RevueJournal of Medical Internet Research · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésImmigrationRefugeeQualitative researchPreprintCompetence (human resources)PsychologyArabicGerontologySociologyMedicinePolitical scienceSocial psychologyWorld Wide WebComputer scienceLinguisticsAnthropology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Canada's immigrant and refugee older adult population is projected to grow substantially, making equitable access to information and communications technologies (ICTs) vital for enhancing quality of life in older age. Strengthening the digital competence of immigrant and refugee older adults can improve their social connectedness and access to local information. OBJECTIVE: This study explored the digital competence of Arabic-speaking immigrant and refugee older adults, focusing on how they engage with ICTs to meet their information and communication needs and the strategies they use to navigate digital barriers. METHODS: A qualitative descriptive methodology within a social constructivist paradigm was adopted, incorporating triangulated data collection and iterative co-design cycles. The qualitative approach facilitated an in-depth exploration of participants' experiences, skills, and emotions and the contextual factors influencing their digital competence. Data were collected through storytelling approaches, qualitative interviews, and focus group discussions, which were effective in capturing the experiential aspects of aging and technology use. Co-design cycles informed 6 digital learning sessions tailored to participants' immediate learning needs, fostering motivation and engagement and allowing for observation of ICT use. Digital competence was mapped across the learning domains of the Digital Competence Framework for Citizens 2.2. RESULTS: This study engaged 31 Arabic-speaking immigrant and refugee older adults residing in Canada. Most participants had limited formal education (19/31, 61%), lived with family (22/31, 70%), and reported a low income (21/31, 68%). All participants (31/31, 100%) used smartphones as their primary ICT device, whereas few (3/31, 10%) had access to a computer. In total, 3 themes were identified from the analysis, grounded in Digital Competence Framework for Citizens 2.2 competencies on information and data literacy, communication and collaboration, and safety and problem-solving. The themes focused on agency, which is enhanced or constrained using ICTs, impacting older adults' desire and ability to use these technologies to independently meet their daily needs. CONCLUSIONS: Immigrant and refugee older adults require support to navigate digital barriers and gain digital competence. Smartphones serve as a critical tool for enhancing digital agency, which can lead to greater social connectedness and improved access to local resources in older age. The findings will inform the design of future digital competence programs for older migrants, emphasizing community partnership and reciprocal learning.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,043
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,003
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,048
Tête enseignante GPT0,450
Écart entre enseignants0,403 · 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'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

Citations5
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetTechnology Use by Older AdultsTravaux en français237 207