Developing practice standards for engaging people living with dementia in product design, testing, and commercialization – a case study
Notice bibliographique
Résumé
To successfully create assistive technologies for persons with dementia, product developers must understand the capacity of people with dementia to use these technologies. Capacity assessment is typically done through user experience research. However, the published literature is bereft of guidelines to conduct optimal user experience research in samples of persons with dementia. We recruited persons with dementia from community-based organizations and private partners to participate in user experience research for an assistive technology platform. After a testing session, we used semi-structured interviews to ask participants about their involvement in the user experience process. We employed an inductive thematic approach to analyze the interview transcripts and draft guidelines to meaningfully engage persons with dementia in user experience research in the future. Ten participants with mild to moderate dementia (6 females, 4 males) participated in the study. Nine participants had previous experience with mobile devices. Thematic analysis yielded three overarching themes: 1) the techniques, approaches and attributes of the interviewer; 2) participants' views on being part of the user experience research process; and 3) specific items to optimize the research process. Resulting guidelines were divided into recommendations for the interviewer specifically, and for the broader research process.
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 | 0,091 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,010 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».