La population âgée et les aides aux usages du numérique
Bibliographic record
Abstract
Cet article étudie la diversité des formes d’aide aux usages du numérique dans lesquelles sont impliquées les personnes âgées. Fondé sur l’analyse d’un corpus de 40 entretiens semi-directifs réalisés en France métropolitaine avec des personnes appartenant à trois générations (1935-1939, 1945-1949 et 1955-1959) et aux profils sociodémographiques variés, il suit un double fil analytique. D’une part, il prend en compte la plus ou moins grande familiarité avec le numérique des personnes enquêtées, en l’appréhendant à partir du concept de capital numérique. D’autre part, il s’intéresse aux modalités concrètes des aides et à leur inscription relationnelle de façon à établir une cartographie des aidants et à dégager les logiques sous-jacentes à l’organisation des relations d’aide. Dans un premier temps, il établit que les aides au numérique prennent des formes différentes selon le niveau du capital numérique : la délégation lorsque le capital numérique est inexistant ou inexploité ; la recherche de soutien et l’apprentissage lorsqu’il est à consolider ; une posture de possible donneur d’aides lorsqu’il est plus élevé. Dans un deuxième temps, il souligne l’importance de l’aide familiale, et notamment celle des enfants, en matière numérique. Plus fondamentalement, il montre que ce sont les caractéristiques et la dynamique des relations familiales qui éclairent l’organisation de l’aide et expliquent, dans certains cas, le recours à des aidants non familiaux et à des professionnels rémunérés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".