MétaCan
Menu
Retour à la cohorte
Enregistrement W4415478906 · doi:10.15353/joci.v21i1.5931

Exploring Digital Inclusion: Addressing Homelessness Through Equitable Design on TikTok

2025· article· W4415478906 sur OpenAlexafffundvenue

Notice bibliographique

RevueThe Journal of Community Informatics · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésDigital inclusionDigital divideInclusion (mineral)Social capitalDigital healthEquity (law)Qualitative researchThe Internet

Résumé

récupéré en direct d'OpenAlex

This study examines the digital experiences of individuals experiencing homelessness on TikTok, focusing on their usage patterns, challenges, and opportunities for social connection. Through a review of literature and analysis of TikTok content, the study examines how individuals experiencing homelessness use social media, the challenges they encounter, and the potential benefits and risks associated with online engagement. Despite challenges such as network access, device quality, and privacy concerns, homeless individuals navigate digital spaces to share personal stories, seek support, and participate in online communities. The study identifies themes related to digital divide perceptions, survival infrastructuring, social capital building, and health information seeking behaviours among homeless populations on TikTok. Based on these insights, the study proposes platform-level and user-level recommendations to improve the digital experiences of homeless individuals on TikTok, focusing on bandwidth-sensitive design, enhanced privacy controls, and security toolkits. These recommendations aim to promote digital inclusion and support for vulnerable populations in the digital age, contributing to ongoing discussions about equity and social support online.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
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 enseignants0,463
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0010,004
Science ouverte0,0030,004
Intégrité de la recherche0,0000,003
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 Opus0,165
Tête enseignante GPT0,296
Écart entre enseignants0,131 · 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.

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

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetSmart Cities and TechnologiesTravaux en français237 207