MétaCan
Menu
Retour à la cohorte
Enregistrement W4283826435 · doi:10.1177/20556683221108364

User perspectives on emotionally aligned social robots for older adults and persons living with dementia

2022· article· en· W4283826435 sur OpenAlexafffund
Jill A. Dosso, Ela Bandari, Aarti Malhotra, Gabriella K. Guerra, Jesse Hoey, François Michaud, Tony J. Prescott, Julie M. Robillard

Notice bibliographique

RevueJournal of Rehabilitation and Assistive Technologies Engineering · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensUniversité de SherbrookeUniversity of WaterlooUniversity of British Columbia
Organismes subventionnairesAGE-WELL
Mots-clésDementiaRobotPsychologyAffect (linguistics)RoboticsApplied psychologySocial robotGerontologyComputer scienceMedicineArtificial intelligenceMobile robotCommunicationRobot control

Résumé

récupéré en direct d'OpenAlex

Introduction: Socially assistive robots are devices designed to aid users through social interaction and companionship. Social robotics promise to support cognitive health and aging in place for older adults with and without dementia, as well as their care partners. However, while new and more advanced social robots are entering the commercial market, there are still major barriers to their adoption, including a lack of emotional alignment between users and their robots. Affect Control Theory (ACT) is a framework that allows for the computational modeling of emotional alignment between two partners. Methods: = 7). Results: We demonstrate the potential of ACT to model the emotional relationship between older adult users and three exemplar robots. We also capture a rich description of participants' robot attitudes through the lens of the Technology Acceptance Model, as well as the most important ethical concerns around social robot use. Conclusions: Findings from this work will support the development of emotionally aligned, user-centered robots for older adults, care partners, and people living 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,276
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations30
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Rehabilitation and Assistive Technologies EngineeringMême sujetSocial Robot Interaction and HRITravaux en français237 207