VIPCare: Understanding the support needed to create affective interactions between new caregivers and residents with dementia
Notice bibliographique
Résumé
INTRODUCTION: In this paper, we study the support needed by professional caregivers of those with dementia, and present a first step toward development of VIPCare, a novel application with the goal of assisting new caregivers at care-centres in interacting with residents with dementia. METHODS: A mixed-methods study including two questionnaires, two focus groups, and seven co-design sessions with 17 professional caregivers was conducted to (a) understand caregivers' challenges/approaches used to reduce negative interactions with persons with dementia, (b) identify the existing gaps in supporting information for improving such interactions, and (c) co-design the user interface of an application that aims to help improve interactions between a new professional caregiver and persons with dementia. A pre-questionnaire assessed knowledge of smartphones and attitude toward technology. A post-questionnaire provided an initial evaluation of the designed user interface. RESULTS: Focus groups emphasized the importance of role-playing learned through trial and error. The layout/content of the application was then designed in four iterative paper-prototyping sessions with professional caregivers. An iOS/Android-based application was developed accordingly and was modified/improved in three iterative sessions. The initial results supported efficiency of VIPCare and suggested a low task load index. CONCLUSIONS: We presented a first step toward understanding caregiver needs and developing an application that can help reduce negative interactions between professional caregivers and those with dementia.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».