Co-Design Of Technology Driven Self-Management With Older Adults: An International Approach
Notice bibliographique
Résumé
Abstract There has been an emergence in technology applications (apps) aimed at addressing needs amongst older adults and persons with cognitive impairment (PwCI). Despite the ubiquity of these apps, utilization is low, primarily due to a lack of involvement of PwCI and the perception that these apps have little motivational value. Engaging PwCI in creative processes such as co-design could lead to the creation of apps that better meets the needs of this population. The current study applies a user-centered, participatory approach to involve PwCI in the design of a new self-management and coaching app, RESILIEN-T. Co-design workshops were held with 12 PwCI across Italy, Netherlands and Canada; structured as four modules: (1) introduction and expectation setting, (2) user analysis, (3) storytelling, and (4) collaborative design. Based on interviews with PwCI, stories of individuals which reflect the target population were created (personas) and the solutions to the needs of these personas were discussed. Information about participant’s interests, computer proficiency and self-rated cognitive decline were collected. Participants were asked to try 10 existing apps and provided feedback on the design, usability and functionality. Lastly, participants were shown a prototype for RESILIEN-T and provided feedback based on the personas that they helped create. Co-design activities revealed that personalization is crucial for adherence. Aspects of physical and social activity, nutrition and cognition were most important to participants. Participants found many apps that are recommended for older adults do not appear age appropriate and seem condescending. These findings were common across PwCI from various nations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».