MétaCan
Menu
Retour à la cohorte
Enregistrement W4303981198 · doi:10.3390/s22197500

Caregivers’ Profiles Based on the Canadian Occupational Performance Measure for the Adoption of Assistive Technologies

2022· article· en· W4303981198 sur OpenAlexaboutno aff
Francesco Della Gatta, Elisa Fabrizi, Franco Giubilei, D Grau-Sevilla, Carmen Moret‐Tatay

Notice bibliographique

RevueSensors · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerceptionIdentification (biology)Psychological interventionPsychologyHierarchyApplied psychologyMeasure (data warehouse)Sample (material)Cluster (spacecraft)Assistive technologyHierarchical clusteringMultilevel modelComputer scienceHuman–computer interactionCluster analysisData miningArtificial intelligencePsychiatryMachine learning

Résumé

récupéré en direct d'OpenAlex

The COPM (Canadian Occupational Performance Measure) is a tool that is based on the identification of self-perceived performance and satisfaction problems in the performance of occupations, allowing the creation of a hierarchy in the order of the interventions to be carried out, and speeding up the identification of the necessary AT (Assistive Technologies). Given the importance of the caregiver's perception about their own performance in the design of AT, this research examines the caregiver's profile through the COPM. A sample of 40 caregivers volunteered to participate in the study. A cluster analysis was carried out on the COPM scores. Two caregiver profiles were found in relation to the COPM measure, one with low scores on performance and satisfaction and another with high scores on both of these two variables. The main predictor was found to be the self-perception of performance. The structure was replicated through a hierarchical cluster analysis, where the role of caregivers was of interest. These results are relevant on both a theoretical and practical level.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,087
Tête enseignante GPT0,363
Écart entre enseignants0,276 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAssistive Technology in Communication and MobilityTravaux en français237 207