MétaCan
Menu
Retour à la cohorte
Enregistrement W7128623776 · doi:10.26180/4955885.v1

Talking 'costs': seniors, cell phones and the personal and political economy of telecommunications in Canada

2017· article· W7128623776 sur OpenAlexaboutno aff
Kim Sawchuk, Barbara Crow

Notice bibliographique

RevueMonash University · 2017
Typearticle
Langue
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhoneContext (archaeology)Government (linguistics)NegotiationDigital economyPolitics

Résumé

récupéré en direct d'OpenAlex

Seniors, defined as persons aged 65 and up, are becoming a much larger demographic in Canada at the same time as the wireless telecommunications industry is expanding. Yet in terms of academic research, few studies have examined how seniors understand and negotiate the influx of digital communications devices, such as the cellular telephone, into their world. Using industry and government data, as well as individual and group interviews and observations with over 120 Canadian seniors, this paper examines the repertoire of cost in the group discussions held with this cohort. It does so from the perspective of a feminist political economy that takes into account individual experiences in the context of macro-level, structural analyses of institutions and industry. This preliminary study suggests that financial considerations play a significant role in seniors cell phone practices and may lead to a strategic decision to impose restrictions on their use. These restrictions to access often run counter to the desire, amongst many seniors, to have access to a cell phone for emergency purposes. The comments made by this cohort make apparent the way that personal economies within a household on restricted or fixed incomes intersect with the practices of the wireless industry and suggest future avenues for media and ageing studies. Copyright 2010 Kim Sawchuk and Barbara Crow. No part of this article may be reproduced by any means without the written consent of the publisher.

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)0,002
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 enseignants0,062
Score d'incertitude au seuil0,448

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0220,007
Communication savante0,0060,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
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 Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMonash UniversityMême sujetTechnology Use by Older AdultsTravaux en français237 207