The importance of developing care‐worker‐centered robotic aides in long‐term care
Notice bibliographique
Résumé
Recent research points to the fact that new medical technological innovations are just as relevant in the context of long-term care or chronic care as they are in the context of acute care. In the spirit of the Nuffield Foundation recommendations, this paper explores the possibilities of using robotic aides in long-term care and identifies the tensions that must be considered and addressed if robotics is to be introduced successfully in nursing homes. Our examination is two-pronged. First, we delve into a fundamental issue surrounding AI, namely that of consciousness. We argue that automation will always have only a limited use in caregiving since caregiving as an activity requires the use of human-type, that is, organic, consciousness. We support the thesis that the emergence and formation of human-type consciousness require feelings such as empathy and the sense of touch, which, in turn, create the sense of kinship with fellow human beings. And second, we examine the benefits as well as risks of using robotic aides such as ZORA and PARO in long-term care facilities. More specifically, we look at ZORA's use in a group setting, and PARO's use in an individual setting. We emphasize that long-term care is one-on-one care, including but not limited to intimate care. Crucially, we argue that touch is at the heart of this type of care. We argue that some of the tensions with the use of robotic aides are generated precisely because of the lack of human touch.
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 | 0,011 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».