A Participatory Design Methodology to Elicit Aging- in-Place Stakeholder Concerns with Ambient Assistive Living (AAL) Devices During COVID-19
Notice bibliographique
Résumé
For varying reasons, our world is experiencing increasing life expectancies and decreasing birth rates, which has led to a generational shift in population distribution. The Government of Canada predicts that in the year 2030, over 9.5 million (23%) Canadians will be 65 years or older. For this growing demographic of older adults, intelligent home health technologies have been proposed as one beneficial avenue to support and maintain an individual’s health and wellness as they begin experiencing aging-related health effects. However, many ethical concerns have been raised regarding the design and deployment of intelligent home healthcare technologies in aging- in-place settings such as long-term care and nursing homes. This paper presents a revised participatory design methodology to identify aging-in-place stakeholders’ ethical concerns with two Ambient Assistive Living (AAL) devices. The main objective of this paper is to develop and test a participatory design research method that is well suited for older adults living in long-term care settings, which is currently lacking. Developed by an interdisciplinary team of engineers and social science researchers, this paper presents the participatory method that was designed and tested in a long-term care facility by collaborating with a mix of aging-in-place stakeholders, including older adults and healthcare professionals. By interweaving interactive activities, hand-written tasks, and discussions throughout the data collection process, the methodology successfully identified stakeholders’ ethical concerns with the devices.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».