MétaCan
Menu
Retour à la cohorte
Enregistrement W2741037943 · doi:10.1371/journal.pone.0180395

Communicating with people living with dementia who are nonverbal: The creation of Adaptive Interaction

2017· article· en· W2741037943 sur OpenAlexaff
Maggie Ellis, Arlene Astell

Notice bibliographique

RevuePLoS ONE · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensOntario Shores Centre for Mental Health Sciences
Organismes subventionnairesnon disponible
Mots-clésNonverbal communicationDementiaPsychologyImitationIntervention (counseling)RepertoireFacial expressionEye contactDevelopmental psychologyGazeCognitive psychologyVariety (cybernetics)CommunicationMedicineComputer scienceSocial psychologyDiseasePsychiatryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Loss of verbal language production makes people with dementia appear unreachable. We previously presented a case study applying nonverbal communication techniques with a lady with dementia who could no longer speak, which we termed Adaptive Interaction. The current small-n study examines the applicability of Adaptive Interaction as a general tool for uncovering the communication repertoires of non-verbal individuals living with dementia. Communicative responses of 30 interaction sessions were coded and analysed in two conditions: Standard (Baseline) and Adaptive Interaction (Intervention). All participants retained the ability to interact plus a unique communication repertoire comprising a variety of nonverbal components, spanning eye gaze, emotion expression, and movement. In comparison to Baseline sessions, Intervention sessions were characterised by more smiling, looking at ME and imitation behaviour from the people with dementia. These findings allude to the potential of Adaptive Interaction as the basis for interacting with people living with dementia who can no longer speak.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,004
Communication savante0,0020,002
Science ouverte0,0010,004
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 Opus0,089
Tête enseignante GPT0,275
Écart entre enseignants0,186 · 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'étudeQualitatif
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

Citations58
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207