ارزیابی سطح خوانایی وب‌سایت‌های تغذیه و رژیم درمانی فارسی
Publish place: Library and Information Research Journal، Vol: 7، Issue: 1
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 540
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_LIRJ-7-1_017
Index date: 15 March 2021
ارزیابی سطح خوانایی وب‌سایت‌های تغذیه و رژیم درمانی فارسی abstract
مقدمه: وب‌سایت‌های سلامت مجموعه‌ای از اطلاعات برای کاربران تهیه می‌کنند و توانایی بالقوه‌ای برای ارتقای بهداشت فردی دارند. با افزایش اطلاعات بهداشتی در اینترنت، نگرانی‌هایی در مورد دشواری خوانایی آنها وجود دارد. بنابراین هدف پژوهش حاضر ارزیابی خوانایی وب‌سایت‌های تغذیه و رژیم درمانی به زبان فارسی است. روش‌شناسی: پژوهش حاضر از نوع توصیفی با رویکرد تحلیل محتواست. جامعه پژوهش را ۳۸ وب‌سایت تغذیه و رژیم درمانی به زبان فارسی تشکیل می‌دهد. این وب‌سایت‌ها با کاوش در دو موتور جستجوی یاهو و گوگل و نیز وب‌سایت وزارت بهداشت درمان و آموزش پزشکی و برخی راهنماهای موضوعی فارسی نظیر لینکستان، 1000 لینک و irindex انتخاب شدند و خوانایی آنها با استفاده از شاخص فلش‌دیانی سنجیده شد. تحلیل داده‌ها با استفاده از SPSS۲۰ انجام گرفته و در سطح توصیفی از میانگین استفاده شد. یافته ها: میانگین خوانایی وب‌سایت‌ها 567/43 از ۱۰۰ به دست آمد. این نشان می‌دهد که وب‌سایت‌ها در سطحی دشوار قرار دارند و مناسب افرادی است که سال‌های اول و دوم دانشگاه را گذرانده باشند. بحث و نتیجه‌گیری: چون بیشتر وب‌سایت‌های تغذیه و رژیم درمانی مناسب افرادی است که تحصیلات دانشگاهی داشته باشند و بالاتر از سطح سواد سلامت عموم مردم نوشته شده است، تهیه‌کنندگان و متخصصان تغذیه باید تلاش کنند وب‌سایت‌هایی که اطلاعات آنها ساده، قابل درک و متناسب با همه افراد جامعه باشد، تهیه کنند.
ارزیابی سطح خوانایی وب‌سایت‌های تغذیه و رژیم درمانی فارسی Keywords:
ارزیابی سطح خوانایی وب‌سایت‌های تغذیه و رژیم درمانی فارسی authors
عبدالرسول خسروی
دانشگاه علوم پزشکی بوشهر
سمیه موسوی نژاد
دانشگاه علوم پزشکی بوشهر
فاطمه برازجانی
دانشگاه علوم پزشکی بوشهر
رضا بصیریان
دانشگاه علوم پزشکی بوشهر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :