Évaluation de l'intention d'utiliser un outil d'aide à la décision en version électronique dans le contexte du choix du milieu de vie chez les aînés
Bibliographic record
Abstract
Plusieurs aînés canadiens sont confrontés à la décision de rester chez eux ou déménager et ont besoin de soutien pour prendre cette décision difficile. Notre objectif est l'évaluation de l'intention des aînés canadiens d'utiliser un outil d'aide à la décision en version électronique (eOAD) dans le contexte du choix du milieu de vie et l'identification des facteurs influençant l'intention. Nous avons mené une étude transversale consistant en une enquête en ligne distribuée dans les provinces et territoires canadiens auprès des aînés à l'aide d'un panel Web pancanadien (Léger Marketing). Nous avons élaboré et distribué un questionnaire auto-administré. Nous avons adapté la Théorie unifiée de l'acceptation et de l'utilisation de la technologie (TUAUT) pour mesurer l'intention des aînés d'utiliser l'eOAD ainsi que les facteurs l'influençant (performance espérée, effort attendu, influence sociale et conditions facilitatrices). Nous avons également évalué la littératie en cybersanté, en utilisant des mesures subjectives et objectives. Nous avons réalisé des statistiques descriptives, puis des analyses de régression linéaire bivariées et multivariées afin d'identifier les facteurs influençant l'intention. Au total, 1000 participants ont répondu à l'enquête. L'âge moyen est de 72,5 ± 5,59 ans. Les scores moyens pour la littératie subjective en cybersanté sont de 27,8 ± 5,88 sur 40 et de 3,00 ± 0,97 sur 5 pour la littératie objective en cybersanté. Dans notre échantillon, le score moyen d'intention est de 4,74 ± 1,7 sur 7. Dans le modèle final, les facteurs influençant l'intention sont la langue maternelle, la littératie objective en cybersanté, la performance espérée, l'influence sociale et les conditions facilitatrices. L'intention des aînés canadiens d'utiliser l'eOAD dans le contexte du choix du milieu de vie est similaire aux scores d'intention d'autres études utilisant la TUAUT. Les facteurs influençant l'intention qui ont été identifiés guideront les stratégies futures de l'implantation de l'eOAD auprès des aînés.
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 | 0.015 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".