Social Robots and Sensors for Enhanced Aging at Home: Mixed Methods Study With a Focus on Mobility and Socioeconomic Factors
Notice bibliographique
Résumé
BACKGROUND: Population aging affects society, with a profound impact on daily activities for those of a low socioeconomic status and with motor impairments. Social assistive robots (SARs) and monitoring technologies can improve older adults' well-being by assisting with and monitoring home activities. OBJECTIVE: This study explored the opinions and needs of older adults, including those with motor difficulties and of a low socioeconomic status, regarding SARs and monitoring technologies at home to promote daily activities and reduce sedentary behaviors. METHODS: A mixed methods approach was used, with 31 older adults divided into 3 groups: those of a low socioeconomic status, those with motor difficulties, and healthy individuals. Focus groups were conducted, and they were analyzed using thematic analysis. Perceived mental and physical well-being were assessed using the 12-Item Short Form Health Survey, and attitudes toward robots were evaluated using the Multidimensional Robot Attitude Scale. RESULTS: The results identified 14 themes in four key areas: (1) technology use for supporting daily activities and reducing sedentary behaviors, (2) perceived barriers, (3) suggestions and preferences, and (4) actual home technology use. Lower perceived physical well-being was associated with higher levels of familiarity, interest, perceived utility, and control related to SARs. Lower perceived psychological well-being was linked to a more negative attitude, increased concerns about environmental fit, and a preference for less variety. Notably, older adults from the low-socioeconomic status group perceived less control over SARs, whereas older adults with motor difficulties expressed higher perceived utility compared to other groups, as well as higher familiarity and interest compared to the low-socioeconomic status group. CONCLUSIONS: Participants indicated that SARs and monitoring technologies could help reduce sedentary behaviors by assisting in the management of daily activities. The results are discussed in the context of these outcomes and the implementation of SARs and monitoring technologies at home. This study highlights the importance of considering the functional and socioeconomic characteristics of older adults as future users of SARs and monitoring technologies to promote widespread adoption and improve well-being within this population.
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 | 0,011 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».