The perceptions of university students on technological and ethical risks of using robots in long-term care homes
Notice bibliographique
Résumé
Introduction: The COVID-19 pandemic has disproportionately impacted long-term care (LTC) residents and exacerbated residents’ risks of social isolation and loneliness. The unmet emotional needs of residents in LTC have driven researchers and decision-makers to consider novel technologies to improve care and quality of life for residents. Ageist stereotypes have contributed to the underuse of technologies by the older population. Telepresence robots have been found to be easy to use and do not require older adults to learn how to operate the robot but are remotely controlled by family members. The study aimed to understand the perspectives of multidisciplinary university students, including healthcare students, on using telepresence robots in LTC homes. The study would contribute to the future planning, implementation, and design of robotics in LTC. Methods: Between December 2021 and March 2022, our team conducted interviews with 15 multidisciplinary students. We employed a qualitative descriptive (QD) approach with semi-structured interview methods. Our study aimed to understand the perspectives of university students (under the age of 40) on using telepresence robots in LTC homes. Participants were invited to spend 15 min remotely driving a telepresence robot prior to the interview. A diverse team of young researchers and older adults (patient and family partners) conducted reflexive thematic analysis. Results: Six themes were identified: Robots as supplementary interaction; privacy, confidentiality, and physical harm; increased mental well-being and opportunities for interactions; intergenerational perspectives add values; staffing capacity; environmental and cultural factors influence acceptance. Conclusion: We identified a diverse range of perspectives regarding risk and privacy among participants regarding the implementation of telepresence robots in long-term care. Participants shared the importance of the voice of the resident and their own for creating more equitable decision-making and advocating for including this type of technology within LTC. Our study would contribute to the future planning, implementation, and design of robotics in LTC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».