Social impact of the JACO wheelchair-mounted robotic arm on users and their caregivers
Notice bibliographique
Résumé
Abstract The efficacious implementation of robotic assistive technologies must be built on a thorough understanding of stakeholders’ experiences and perceptions. This study provides an in-depth insight into the experiences and perceptions of users of the JACO wheelchair-mounted robotic arm and those of their caregivers. A sample of JACO users (n = 21; Female : 6; Male : 15) and caregivers (n = 11; Female: 2; Male: 9) participated in individual interviews used to gain qualitative insight into the impact of JACO on their day-to-day lives. Interview transcripts were analyzed using a hybrid deductive-inductive coding process. Thematic analysis was conducted in accordance with the Consortium on Assistive Technology Outcomes Research (CATOR) taxonomy. This article exclusively reports data on the social impact of the JACO wheelchair-mounted robotic arm. In addition, participants completed three questionnaires to gather more objective data for quantitative assessment, these included the Caregiver Assistive Technology Outcome Measure (CATOM), a sociodemographic questionnaire, and a home-based questionnaire to assess the social impact of using JACO. Findings pointed to highly varied experiences among participants, including instances of positive, negative, and absence of effects from the use of JACO. Participants’ feedback fell within two broad categories, Human Assistance, and Cost and Use of Resources . This study provides nuanced and varied insight into the spectrum of the social impact of using JACO as perceived by users and their caregivers, highlighting the importance of considering each user as an individual with unique experiences and needs. Continued research is needed to assess the generalizability of these findings.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».