Infobesity: How Does Information Overload From Digital Technologies Affect Our Relationship With Jesus
Notice bibliographique
Résumé
My research project is based on the NPO of how information overload from digital technologies affects our relationship with Jesus, according to Mark 12:30-31, and how followers of Jesus can redeem digital spaces. My key insights of the research led me to the conclusion digital information overload is based on the lack of moderation and regulation of digital technologies as followers of Jesus. Furthermore, my research led me to the effects of information overload to five categories Jesus speaks of in Mark 12:30-31 of our hearts (emotions), soul (identity), mind (cognitive reasoning), strength (physical), and relationships (social skills) according to the level of digital consumption per day. I call this phenomenon Infobesity. In response, this led me to design a spiritual faith-based self-assessment resource for followers of Jesus called the Infobesity Assessment. The Infobesity Assessment is designed to empower digital users to understand their digital practices, increase their digital awareness, and how to redeem digital spaces as followers of Jesus. The design of the assessment has specialized assessments for students, parents, pastors, and the general public. As the former Next Generation Director for the Pentecostal Assemblies of Canada, I was able to use an action-based research approach with the Infobesity Assessment to access various feedback loops across the nation. This led to further data and study of digital technologies and redemptive practices. In addition, the research has allowed me to confirm a book contract to resource the broader Christian community living in a digital world.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,014 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».