MétaCan
Menu
Retour à la cohorte
Enregistrement W4410289862 · doi:10.2196/73380

Perspectives From Canadian People With Visual Impairments in Everyday Environments Outside the Home: Qualitative Insights for Assistive Technology Development

2025· article· en· W4410289862 sur OpenAlexaffvenueabout
Prajjol Raj Puri, Andréanne Coutaller, Frédérique Gwade, Soutongnoma Safiata Kabore, Joseph Paul Nemargut

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTactile and Sensory Interactions
Établissements canadiensSanté MontérégieAssociation for Canadian StudiesCentre de réadaptation Lethbridge-Layton-MackayCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesnon disponible
Mots-clésPreprintAssistive technologyVisual impairmentEveryday lifePsychologySociologyArchitectural engineeringHuman–computer interactionEngineeringComputer sciencePolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: Despite the abundance of assistive devices available, the accomplishment of many everyday tasks remains complex for people with visual impairments. While several studies have been conducted to identify the obstacles encountered when moving around outdoors, current knowledge is less abundant when it comes to the difficulties encountered in complex, indoor environments. Objective: This study aimed to identify the most important obstacles and facilitators encountered in everyday indoor travel environments outside the home for people with low vision and blindness. Methods: Data were collected from 20 participants with varying levels of vision from several cities across Canada in 2 web-based focus groups in both English and French. Using open-ended questions, participants shared obstacles and facilitators experienced or imagined during independent navigation in the following scenarios: coffee shop, hospital, big-box store, party with friends, and bus rides. Thematic analysis was conducted, and responses were either categorized as barriers or facilitators for each scenario. These were ranked by all participants via email according to their perceived importance in completing each scenario. Results: Across scenarios, the principal barriers to perceived success were inaccessible signage, difficulties walking around, problems finding a specific location, and unsuccessful interactions with others. The main facilitators across scenarios were helpful interactions with others, planning, accessible signage, and websites. The use of mobile apps was discussed but ranked as less important by participants. Though similar among the French and English groups, the rankings of the different facilitators and barriers were largely scenario-specific. The most barriers were mentioned in the coffee shop (n=8), followed by the department store (n=7) and bus or metro (n=7) for the English group, whereas the most barriers were in the department store (n=9), followed by the hospital or clinic (n=7) and coffee shop (n=6) for the French group. Conclusions: Though promising technologies have been developed to resolve some of the issues surrounding indoor navigation for people with visual impairments, they were not perceived as helpful as some other traditional methods of assistance, such as asking for help, by our participants. For the successful incorporation of indoor navigation technologies, it is important to understand how they integrate into the experience of people as they move in these dynamic environments. The successful use of technology is only possible if the physical environment permits and facilitates independent navigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,482

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0340,013
Communication savante0,0090,003
Science ouverte0,0020,007
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,014
Tête enseignante GPT0,316
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetTactile and Sensory InteractionsTravaux en français237 207