“It’s always happy to see me”: Exploring LOVOT robots as companions for older adults
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: AI-enabled social robots present the potential to resolve the loneliness and social isolation of older adults in long-term care (LTC). There is limited research on how older adults perceive and make sense of these robots and how human-robot companionship is formed. This study investigated older adults' experiences using LOVOT, a social robot. Methods: Using an ethnographic study design, we introduced LOVOT robots to a Canadian LTC home for four weekly interaction sessions. Thirty-six residents, seven family members and two healthcare staff participated. Data collection involved observational field notes and conversational interviews. The analysis was guided by ikigai, a Japanese well-being concept. Findings: Reflexive thematic analysis identified four key themes. 1) Joy: The robot offers joy and excitement through interactions. 2) Acceptance: For older adults with mobility or cognitive impairments, LOVOT gives consistent positive responses, offering a sense of unconditional acceptance. 3) Creativity: The robot's non-verbal communication allows older adults to grow creative imagination, encouraging personal expression and expanding interaction possibilities. 4) "Not for me": Not all participants like the LOVOT robot. Conclusion: AI-enabled social robots show potential in supporting the psychosocial needs of older adults, which have broader implications for LTC practices and future research directions. Future research should further explore the creative utility of social robots among LTC residents.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle