MétaCan
Menu
Retour à la cohorte
Enregistrement W4403108704 · doi:10.1177/20556683241286517

Inclusive rehabilitation and assistive technologies development: An exploration of considerations, principles, and stakeholder engagement

2024· editorial· en· W4403108704 sur OpenAlexaboutno aff
Jennifer French, Kim D. Anderson, Jeffra Welden, Peter Axelson, Bruce Bayes, Ian Burkhart

Notice bibliographique

RevueJournal of Rehabilitation and Assistive Technologies Engineering · 2024
Typeeditorial
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAssistive technologyStakeholderRehabilitationStakeholder engagementPsychologyInclusive developmentSociologyEngineering ethicsHuman–computer interactionEngineeringComputer sciencePolitical sciencePublic relationsEconomic growth

Résumé

récupéré en direct d'OpenAlex

This piece is provided in honor of the late Brooke Ellison, a brave advocate within the disability and paralysis community.The integration of rehabilitation and assistive technologies (Rehab & A-T) has become pervasive in the lives of People With Disabilities (PWD), facilitating physical, emotional, and spiritual function and interaction within the world on a daily basis.Yet, all too often, the end-user is not included in the development process and assumptions are made about performance, satisfaction, preferences, and access. 1 Outcome measures have been developed and tested to evaluate user satisfaction such as the Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST).This tool serves as a reliable and valid means of assessing A-T outcomes from a user's perspective 2 ; however, these measures are often used post-production rather than earlier during the design phase.Here, we review the Rehab & A-T ecosystem, delve into the emergence of Co-Development principles, and reinforce the imperative of connecting end-user stakeholders throughout the A-T design and development testing, assessment, provision, fitting, training, and maintenance continuum.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,041
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,349
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0020,003
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 Opus0,077
Tête enseignante GPT0,378
Écart entre enseignants0,301 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Rehabilitation and Assistive Technologies EngineeringMême sujetAssistive Technology in Communication and MobilityTravaux en français237 207