Predictors of Successful Communication With Interactive Voice Response Systems in Older People
Notice bibliographique
Résumé
OBJECTIVES: Interactive voice response (IVR) systems are computer programs that can interact with people to provide a number of services from business to health care. However, surveys examining people's attitudes toward these systems have consistently found that people in general and older people in particular strongly dislike these systems. We wanted to determine the memory and cognitive abilities that predict successful IVR interactions for older people. METHOD: We compared the performance of 185 older adults (aged 65 and older) on normed cognitive tests (the Wechsler Adult Intelligence Scale fourth edition and the Wechsler Memory Scale fourth edition) with their performance on 4 real-life IVR systems that included fact-finding at governmental agencies and plane ticket reservation. RESULTS: The results indicated that adults aged 65 and older experience significant difficulties in interacting with IVR systems. A significant number of people (20.5%) could not complete any of the tasks. Participants who could not complete any task were older and had the lowest full-scale IQ. However, there was little difference between the age of participants who completed 1, 2, 3, or 4 tasks. Rather, auditory memory and working memory were the best overall predictors for success in IVR tasks. DISCUSSION: The impact of poorer auditory memory and working memory is compounded by programming practices that increase the demand on these abilities and create unnecessary difficulties. Successful use of IVR systems could eventually complement in person health services.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».