User Acceptance of a Home Robotic Assistant for Individuals With Physical Disabilities: Explorative Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Health care is shifting toward 5 proactive approaches: personalized, participatory, preventive, predictive, and precision-focused services (P5 medicine). This patient-centered care leverages technologies such as artificial intelligence (AI)-powered robots, which can personalize and enhance services for users with disabilities. These advancements are crucial given the World Health Organization's projection of a global shortage of up to 10 million health care workers by 2030. OBJECTIVE: This study aimed to investigate the acceptance of a humanoid assistive robot among users with physical disabilities during (1) AI-powered (using a Wizard of Oz methodology) robotic performance of predefined personalized assistance tasks and (2) operator-controlled robotic performance (simulated distant service). METHODS: An explorative qualitative design was used, involving user testing in a simulated home environment and individual interviews. Directed content analysis was based on the Almere model and the model of domestic social robot acceptance. RESULTS: Nine participants with physical disabilities aged 27 to 78 years engaged in robot interactions. They shared their perceptions across 7 acceptance concepts: hedonic attitudes, utilitarian attitudes, personal norms, social norms, control beliefs, facilitating conditions, and intention to use. Participants valued the robot's usefulness for practical services but not for personal care. They preferred automation but accepted remote control of the robot for some tasks. Privacy concerns were mixed. CONCLUSIONS: This study highlights the complex interplay of functional expectations, technological readiness, and personal and societal norms affecting the acceptance of physically assistive robots. Participants were generally positive about robotic assistance as it increases independence and lessens the need for human caregivers, although they acknowledged some current shortcomings. They were open to trying more home testing if future robots could perform most tasks autonomously. AI-powered robots offer new possibilities for creating more adaptable and personalized assistive technologies, potentially enhancing their effectiveness and viability for individuals with disabilities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».