MétaCan
Menu
Retour à la cohorte
Enregistrement W3100803864 · doi:10.2196/23496

Perspectives of Child Life Specialists After Many Years of Working With a Humanoid Robot in a Pediatric Hospital: Narrative Design

2020· article· en· W3100803864 sur OpenAlexaff
Tanya Beran, Jacqueline Reynolds Pearson, Bonnie Lashewicz, Sandy Baggott

Notice bibliographique

RevueJournal of Medical Internet Research · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNarrativeCoding (social sciences)Humanoid robotSafeguardingPresentation (obstetrics)FriendshipResource (disambiguation)RobotPsychologyProcess (computing)NursingTheme (computing)Computer scienceMedicineSocial psychologyWorld Wide WebArtificial intelligenceSociologyArt

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Child life specialists (CLSs) play an important role in supporting patients and their families during their visits to a children's hospital. Although CLSs are equipped with considerable expertise to support families during some of the most difficult moments of their lives, we introduced an additional resource to them in the form of a humanoid robot named MEDi. OBJECTIVE: The aim of this study is to explore the experiences of CLSs using a robot to support children. METHODS: We interviewed 7 CLSs who had worked with this robot for several years. The transcribed interviews were analyzed using open and axial coding. RESULTS: The first main theme that emerged was the process of navigating from fear to friendship in learning to use a humanoid robot for therapeutic support. The second major theme was MEDi as a source of connection and support to children. CLSs' perceptions of MEDi as an adaptable resource and working with the limits of MEDi constituted the last 2 themes. CONCLUSIONS: These descriptions show how CLSs can incorporate a robot into their practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,135
Tête enseignante GPT0,435
Écart entre enseignants0,300 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetSocial Robot Interaction and HRITravaux en français237 207