EMBODIED CONVERSATIONAL AGENTS: TECHNOLOGIES TO SUPPORT OLDER ADULTS WITH MILD COGNITIVE IMPAIRMENT
Notice bibliographique
Résumé
Various information technology applications with anthropomorphic or animal features (in order to generate likeness to a human or pet) have emerged, referred to as embodied conversational agents (ECAs), with the goal to engage older adults in conversations, with the ultimate goal to deliver health coaching, reminders, reminiscence therapy and address isolation and loneliness. We present findings from a longitudinal feasibility study assessing a digital companion system for ten older adults (average age 78.3 years) with mild cognitive impairment. The system was a tablet-based digital pet avatar that included features such as conversation ability, use of pictures and other media, and reminders. Participants used the system daily for 3 months and scored higher at the end of the study in cognition and social support scales (measured with the Montreal Cognitive Assessment and the MOS-Social support), with the largest benefit seen, as hypothesized, in the positive social interaction subscale. Participants scored lower in presence of depressive symptoms after study completion as assessed by the Patient Health Questionnaire PHQ-9. Interviews demonstrated that participants saw value in interacting with the system. Many appreciated the pet-like features and felt they developed attachment to it over time. Concerns included technical issues related to Internet connectivity and the repetitive nature of conversations. Our findings informed the creation of design recommendations for ECAs to support aging. We specifically focus on usability, responsiveness, ways to effectively engage clinicians and family members, as well as highlight ethical issues stemming from the use of ECAs by older adults with cognitive impairment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».