Editorial: Human-centered solutions and synergies across robotic and digital systems for rehabilitation
Notice bibliographique
Résumé
This is a provisional file, not the final typesetThe growing need for effective, personalized, clinically compliant, and engaging rehabilitation -based 31 on methodologies for the restoration of functions -can leverage the step-changes 32 offered by interaction technologies to obtain optimal results matching the initial requests of the users 33 (patients and clinicians). Human-Centered Design approaches may disclose the full potential of such 34 solutions, especially considering the impact of smart systems powered by robotic devices and digital 35 settings. In particular, virtual reality (VR) and augmented reality (AR) constitute a broad sub-class of 36 digital settings, often intertwined with serious games (including exergames devised to promote training 37 activities) and gamification (introducing game features in non-leisure solutions) for sustaining the 38 users' effort over time in repetitive exercises. Furthermore, they can be connected to smart mechatronic 39 systems (especially through their artificial intelligence -AI -features) for achieving higher versatility 40 and efficiency (making rehabilitation more sustainable for the individual and for the healthcare system 41 as a whole, as in telerehabilitation frameworks) (Adlakha, Chhabra, & Shukla, 2020;
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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,021 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,030 |
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 ».