Exploratory Research with a Health Consumer Group: Social Robots Use Among Older Adults (Preprint)
Notice bibliographique
Résumé
Background: There is an increased focus on involving members of the public in health research. These types of groups, such as "health consumer groups," bring different expertise to inform the design of a research study. There is a growing general concern about older adults' acceptance and use of technologies. This becomes critical when it involves health care services. Objective: To understand the use of social robots among older adults, it is prudent to gauge stakeholders' perspectives on optimal research design. In line with the philosophy of the "triple helix model," researchers sought the expertise and guidance of a health consumer group. Methods: Researchers recruited an expert health consumer group for this study. This included 5 participants from an 8-member panel. Semistructured interviews were conducted. Each interviewee was introduced to visual stimuli of assistive technologies, older adults, and social robots. Subsequently, they were asked for their perspectives on what they viewed and to provide guidance on how to best design upcoming research on these phenomena. Results: Key themes were derived from the interview transcripts with the health consumer group members. Findings include panel members' advice and guidance on explaining the research aims to technology-averse older adults, approaching data collection from this demographic, and, finally, their perceptions of the appearance of social robots. Conclusions: The advice and guidance of this expert health consumer, in tandem with researchers and industry partners, substantially aid in advancing research efforts toward social robot use among technology-averse older adults in Australia. This research provides vital information, including how best to approach data collection about social robots from this demographic.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».