MétaCan
Menu
Retour à la cohorte
Enregistrement W2398027180

Problems in Using Home Appliances by Elderly Persons Who Live Alone in Japan, and Some Design Proposals

2015· article· en· W2398027180 sur OpenAlexaboutno aff
Jiro Sagara, Rumi Tanemura, Kazue Noda, Toru Nagao

Notice bibliographique

RevueInternational Convention on Rehabilitation Engineering & Assistive Technology · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChristian ministryQuarter (Canadian coin)GerontologyWelfareElderly peoplePensionEveryday lifePopulationPopulation ageingMedicinePsychologyEnvironmental healthBusinessGeographyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Japan is well known as the country which has highest population ratio of the elderly (65+) in the world. It exceeded 25% in 2014. In 2013, the Ministry of Health, Labor and Welfare of Japan announced that there are 4.62 million dementias and about 4 million MCIs in Japan. That means about quarter of elderly have some cognitive problems in their daily life. Adding this, the family size of Japan become so smaller that 9.4% of houses were solitary household by over 65 in 2010, and is growing up rapidly. The authors interviewed 183 elderlies including dementias who live alone in own home or stay alone in daytime, using the ETUQ-Kobe method which is based on Everyday Technology Usage Questionnaire developed by Louise Nygard in Karolinska Institute Sweden. Through this survey, the authors found a lot of problems disturbing their independent based on their memory loss. The relatives or care givers tend to take up their activity or role in home after some mistakes happen. Then the independency drop in worth spiral. In this paper, the authors describe such problems and some design proposals to support their independent life.

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)0,003
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,293
Écart entre enseignants0,269 · 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'étudeObservationnel
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Convention on Rehabilitation Engineering & Assistive TechnologyMême sujetTechnology Use by Older AdultsTravaux en français237 207