MétaCan
Menu
Retour à la cohorte
Enregistrement W4405439667 · doi:10.1177/07334648241301485

Evaluating Human-Robot Interactions to Support Healthy Aging-in-Place

2024· review· en· W4405439667 sur OpenAlexaff
Delaram Sirizi, Morteza Sabet, Amir Abbas Yahyaeian, Juanita-Dawne Bacsu, Matthew Lee Smith, Zahra Rahemi

Notice bibliographique

RevueJournal of Applied Gerontology · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensThompson Rivers University
Organismes subventionnairesNational Institute on AgingAlzheimer's Association
Mots-clésRobotPerceptionPsychologyRoboticsGerontologyApplied psychologyIndependent livingHealthy agingIndependence (probability theory)Successful agingReciprocity (cultural anthropology)Artificial intelligenceHuman–computer interactionComputer scienceMedicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

Declines in older adults' cognitive and physical health pose challenges to maintaining their independence. Robots can improve independent living and facilitate aging-in-place. Despite recent innovations in healthcare robotics, the use of robots has not advanced significantly among older adults. This review seeks to understand human-robot interactions in older adults, focusing on their experiences and perceptions of robots for independent living. We identified 17 studies that utilized qualitative methods to investigate older adults and/or their caregivers' experiences and perceptions of robots designed to help older adults improve independent living. Drawing on content analysis, we identified eight themes: usefulness, ease of use, safety, reliability, self-efficacy, satisfaction, emotional connection with the robot and reciprocity, and intention to use. The findings provide insights to improve existing robots and guide future research about designing robots with higher acceptance. This review may have implications for policymakers, practitioners, and researchers working with robotics to support healthy aging-in-place.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,228
Tête enseignante GPT0,535
Écart entre enseignants0,307 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied GerontologyMême sujetTechnology Use by Older AdultsTravaux en français237 207