MétaCan
Menu
Retour à la cohorte
Enregistrement W2793077184 · doi:10.4018/ijmhci.2018040101

A Field Study of Older Adults with Cognitive Impairment using Tablets for Communication at Home

2018· article· en· W2793077184 sur OpenAlexafffundabout
Aaron Yurkewich, Anita Stern, Rushmita Alam, Ron Baecker

Notice bibliographique

RevueInternational Journal of Mobile Human Computer Interaction · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensGeorge Brown CollegeUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEuropean CommissionAGE-WELLUniversity of TorontoToronto Rehabilitation InstituteMassachusetts Institute of Technology
Mots-clésPersonalizationCognitive impairmentCognitionFeature (linguistics)PsychologyMode (computer interface)Computer scienceMultimediaApplied psychologyHuman–computer interactionWorld Wide WebPsychiatry

Résumé

récupéré en direct d'OpenAlex

This article describes how a tablet-based communication technology designed for older adults was explored for its adoption and impact on family relationships. A case study methodology was employed to collect and analyze interviews, field notes, observations and messaging activity over a 12 week period. Twelve participants, eight with a Montreal Cognitive Assessment (MoCA) score suggestive of Mild Cognitive Impairment (MCI), were paired with a student to learn and use InTouch. 1212 messages were sent, from which text, audio, photo, and video data types were used 705, 280, 143 and 84 times, respectively. Most participants voiced that personalized text messaging was not the easiest feature to use, but was their preferred mode. Two participants used audio more than text, highlighting a need for feature customization. Older adults view a simplified tablet-based interface as a valuable means of enhancing communication with friends and family. With guided weekly support older adults learned to use this technology independently and integrated its use into their daily lives.

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)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,362
Écart entre enseignants0,339 · 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

Citations10
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mobile Human Computer InteractionMême sujetTechnology Use by Older AdultsTravaux en français237 207