AB096. Neurophysiological measures of stigma stereotypes
Notice bibliographique
Résumé
Background: The perceptions surrounding assistive technology have been shown to be increasingly stigmatizing in older adult populations. This stigmatization can lead individuals to the abandonment of the assistive device. Until now, the methods of identifying or predicting the stigma surrounding assistive technology has mostly been qualitative in nature. Here we present a novel quantitate and qualitative research study that uses neuro-cognitive (psychophysics and EEG) and eye tracking technology, in addition to a new questionnaire to investigate the stigma associated with assistive devices. Therefore, this approach plays a major role in understanding and predicting the neural and physiological correlates associated to stigma. Methods: Thirty-four older adults (>50 years) took part in the study. To determine the psychophysiological predictors of stigma surrounding assistive technologies, we monitored brain activity using EEG, heart rate and eye movements using an eye-tracker while participants viewed a series of images containing either an older or younger individual in different social scenarios (e.g., talking to doctor, at coffee shop). In each scenario, the individual uses either no assistive device, a low stigmatizing device (e.g., iPad), or a high stigmatizing device (e.g., electronic magnifier). Results: Here we present preliminary analysis of the eye movement data. Analysis shows that in comparison to images that contained a low stigmatizing device, in images that contain high stigmatizing devices, the latency to fixate the device is shorter, first fixation duration is longer, and the total number of fixations on the device are higher. The environment that the devices is used in has no effect on eye movement metrics. Conclusions: Although the sample size is small, and based on a healthy older-adult population, these initial observations would indicate that latency to fixate and first fixation duration are predictors of stigma associated with assistive devices. Future research should expand this prediction to those actively using assistive devices, and how the measures predict abandonment over time.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».