MétaCan
Menu
Retour à la cohorte
Enregistrement W2995287721 · doi:10.1177/1471301219894141

Exploring the perceptions of people with dementia about the social robot PARO in a hospital setting

2019· article· en· W2995287721 sur OpenAlexafffund
Lillian Hung, Mario Gregorio, Jim Mann, Christine Wallsworth, Neil Horne, Annette Berndt, Cindy H. Liu, Evan Woldum, Andy Au-Yeung, Habib Chaudhury

Notice bibliographique

RevueDementia · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensSimon Fraser UniversityVancouver General HospitalUniversity of British Columbia
Organismes subventionnairesMr. and Mrs. P.A. Woodward's Foundation
Mots-clésDementiaThematic analysisPerceptionConversationPsychologyFocus groupSocial robotApplied psychologyRobotNursingQualitative researchMedicineComputer scienceCommunicationSociologyDiseaseArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

New technology, such as social robots, opens up new opportunities in hospital settings. PARO, a robotic pet seal, was designed to provide emotional and social support for older people with dementia. We applied video-ethnographic methods, including conversational interviews and observations with video recording among 10 patient participants while they were using the robot. We also conducted semi-structured individual interviews and focus groups with nursing staff to gain contextual information. Patient and family partners were actively involved in the study as co-researchers. This study reports our findings on the perceptions of 10 patients with dementia about their experiences with PARO in a hospital setting. Thematic analysis yielded three substantive themes: (a) 'it's like a buddy' - the robot helps people with dementia uphold a sense of self in the world, (b) 'it's a conversation piece' - the baby seal facilitates social connection and (c) 'it makes me happy' - PARO transforms and humanizes the clinical setting. Our findings help provide a better understanding of the perspectives of patients with dementia on the use of social robots.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,005
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,006
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
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 Opus0,039
Tête enseignante GPT0,328
Écart entre enseignants0,289 · 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

Citations89
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDementiaMême sujetSocial Robot Interaction and HRITravaux en français237 207