Preserving the self with artificial intelligence using VIPCare—a virtual interaction program for dementia caregivers
Notice bibliographique
Résumé
Introduction: Assistive technology is increasingly used to support the physical needs of differently abled persons but has yet to make inroads on support for cognitive or psychological issues. This gap is an opportunity to address another-the lack of contribution from theoretical social science that can provide insights into problems that cannot be seen. Using Affect Control Theory (ACT), the current project seeks to close that gap with an artificially intelligent application to improve interaction and affect for people with Alzheimer's Disease and Related Dementias (ADRD). Using sociological theory, it models interactions with persons with ADRD based on self-sentiments, rather than cognitive memory, and informs a cellphone-based assistive tool called VIPCare for supporting caregivers. Methods: Staff focus groups and interviews with family members of persons with ADRD in a long-term residential care facility collected residents' daily needs and personal histories. Using ACT's evaluation, potency, and activity dimensions, researchers used these data to formulate a self-sentiment profile for each resident and programmed that profile into the VIPCare application. VIPCare used that profile to simulate affectively intelligent social interactions with each unique resident that reduce deflection from established sentiments and, thus, negative emotions. Results: We report on the data collection to design the application, develop self-sentiment profiles for the resident, and generate assistive technology that applies a sociological theory of affect to real world management of interaction, emotion, and mental health. Discussion: By reducing trial and error in learning to engage people with dementia, this tool has potential to smooth interaction and improve wellbeing for a population vulnerable to distress.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».