MétaCan
Menu
Retour à la cohorte
Enregistrement W4390993477 · doi:10.1109/biocas58349.2023.10388962

AīCare: An Affordable, Reliable, and Intelligent Senior Care Ecosystem

2023· article· en· W4390993477 sur OpenAlexaffabout
Yuqi Wu, Wenshan Huang, Xuanjie Ye, Jie Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Scholarship Council
Mots-clésEcosystemBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

Global population aging has become an issue nowadays, which will eventually lead to a huge senior care market in the future. Currently, with the current senior care services and product, several critical issues exist which prevents seniors from getting care. The top reported problem includes the lack of professionals, overpriced services or products, insufficient attention to seniors’ mental needs, and insufficient government regulations. In this paper, a senior care ecosystem, named AīCare, was proposed to revolutionize the future senior care industry. The AīCare senior care ecosystem combined exponential technologies, such as IoT, robotics, and AI, to deliver affordable, reliable, and intelligent senior care services and products. The project was systematically planned and designed utilizing the Purpose Launchpad, coupled with business development tools provided by the Purpose Alliance. A low-fidelity prototype of this ecosystem was conceptualized as part of the innovation process. To substantiate the proposed hypotheses, two experimental cycles were implemented across China and Canada. The feedback acquired from these experiments continuously refines our ideas and directs the way for future development in this crucial sector. Our senior care ecosystem is not designed to entirely supplant the existing workforce of senior care professionals. Rather, our objective is to provide dependable and effective aids to complement their efforts, thereby enhancing their capability to cater to individuals requiring additional attention. This innovative approach intends to amplify the efficacy of current systems and contributes significantly towards the evolution of senior care, ultimately augmenting the quality-of-care provision.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,265
Écart entre enseignants0,238 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetContext-Aware Activity Recognition SystemsTravaux en français237 207