MétaCan
Menu
Retour à la cohorte
Enregistrement W4387325944 · doi:10.2196/45442

Understanding the Connection Among Ikigai, Well-Being, and Home Robot Acceptance in Japanese Older Adults: Mixed Methods Study

2023· article· en· W4387325944 sur OpenAlex
Natasha Randall, Waki Kamino, Swapna Joshi, Wei-Chu Chen, Long-Jing Hsu, Katherine M. Tsui, Selma Šabanović

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Aging · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLonelinessHappinessPsychologyWell-beingLife satisfactionSocial supportMeaning (existential)PerceptionSocial isolationSuccessful agingGerontologySocial psychologyDevelopmental psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Ikigai (meaning or purpose in life) is a concept understood by most older adults in Japan. The term has also garnered international attention, with recent academic attempts to map it to concepts in the Western well-being literature. In addition, efforts to use social and home robots to increase well-being have grown; however, they have mostly focused on hedonic well-being (eg, increasing happiness and decreasing loneliness) rather than eudaimonic well-being (eg, fostering meaning or purpose in life). OBJECTIVE: First, we explored how Japanese older adults experience ikigai and relate these to concepts in the Western well-being literature. Second, we investigated how a home robot meant to promote ikigai is perceived by older adults. METHODS: We used a mixed methods research design-including 20 interviews with older adults, a survey of 50 older adults, and 10 interviews with family caregivers. For interviews, we asked questions about older adults' sources of ikigai, happiness, and social support, along with their perception of the robot (QT). For surveys, a number of well-being scales were used, including 2 ikigai scales-ikigai-9 and K-1-and 6 Patient-Reported Outcomes Measurement Information System scales, measuring meaning and purpose, positive affect, satisfaction with participation in social roles, satisfaction with participation in discretionary social activities, companionship, and emotional support. Questions related to the perception and desired adoption of the robot and older adults' health status were also included. RESULTS: Our results suggest that health is older adults' most common source of ikigai. Additionally, although self-rated health correlated moderately with ikigai and other well-being measures, reported physical limitation did not. As opposed to social roles (work and family), we found that ikigai is more strongly related to satisfaction with discretionary social activities (leisure, hobbies, and friends) for older adults. Moreover, we found that older adults' sources of ikigai included the eudaimonic aspects of vitality, positive relations with others, contribution, accomplishment, purpose, and personal growth, with the first 3 being most common, and the hedonic aspects of positive affect, life satisfaction, and lack of negative affect, with the first 2 being most common. However, the concept of ikigai was most related to eudaimonic well-being, specifically meaning in life, along the dimension of significance. Finally, we found that Japanese older adults have high expectations of a home robot for well-being, mentioning that it should support them in a multitude of ways before they would likely adopt it. However, we report that those with the highest levels of meaning, and satisfaction with their leisure life and friendships, may be most likely to adopt it. CONCLUSIONS: We outline several ways to improve the robot to increase its acceptance, such as improving its voice, adding functional features, and designing it to support multiple aspects of well-being.

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.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,528

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,066
Tête enseignante GPT0,423
Écart entre enseignants0,357 · 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