EXPLORING THE USE OF GROUP DIGITAL ACTIVITIES FOR PEOPLE LIVING WITH DEMENTIA
Notice bibliographique
Résumé
Meaningful leisure activities are an important part of well-being, although these activities become less accessible for people with dementia. While digital technologies provide an accessible form of entertainment, the way the technology is introduced, how people are taught to use it, and how players are supported during these activities is important to consider when working with this population. In this study, we explore the use of a motion-based technology (Xbox Kinect) as a group activity for people living with dementia. The study was conducted in a community-based adult day program for people living with dementia. Participants were observed during a virtual bowling activity over a period of 12 weeks. Observations focused on; 1) methods for introducing, teaching, and supporting people to use this technology, 2) effects of repeated exposure on mastery of learned skill, and 3) the influence of the group dynamic on the activity. The findings highlight the importance of training staff how to introduce, teach and support people with dementia during these digital activities. Approaches must be tailored to each individual’s skills and abilities, including the use of verbal prompts, gesture demonstrations, and/or physical support for clients with mobility impairments (e.g. wheelchair users). Over time mastery was evident through reduced prompting, with some participants even offering cues to newer players. The group bowling activity provided a social activity, with participants engaging through positive encouragement, friendly competition, and reminiscing. The findings suggest motion-based digital activities have huge potential for people living with dementia to enjoy meaningful leisure activities.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».