Connections, negotiations, and tensions: Talking tech with older adults
Notice bibliographique
Résumé
Mobile media, and the larger digital technological systems of which they are a part, both shape and are shaped by contemporary experiences of aging. With the aim of exploring older adults' understandings, uses of, and experiences with digital technologies in their everyday lives, we conducted four exploratory focus groups in two Canadian cities, with a total of 29 participants representing a diverse range of ages, living situations, and socio-economic statuses. Challenging stereotypes of technophobic or health-obsessed elders, our participants reported using a wide variety of devices and apps for a multiplicity of purposes. Focus groups were characterized by open-ended discussion, eliciting complexity, creativity, and agency in our participants' understandings and experiences of their digital worlds. Two main themes emerged from the analysis. First, a number of tensions - self-talk vs practice, design vs adaptation, "scripts" vs recreation - were articulated. Second, participants recounted the complex negotiations between technologies and people, bodies, environments, and resources that conjoined to shape their navigations of digital worlds. We suggest that open-ended dialogue with older adults is a promising method for understanding their ongoing, complex, and socially and materially situated engagements with technology. As a generative methodological tool, the focus group not only captures these dynamics but also produces the frictions, negotiations, and shared reflections that reveal them.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,016 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».