MétaCan
Menu
Retour à la cohorte
Enregistrement W4410984908 · doi:10.2196/70305

Evaluating Social Assistive Robots in Clinical Nursing Care: Mixed Method Pilot Study on Health Care Workers’ Perceptions and Adoption

2025· article· en· W4410984908 sur OpenAlexvenueno aff
Janika Leoste, Kadi Lubi, Kristel Marmor, Katrin Kangur

Notice bibliographique

RevueJMIR Nursing · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintHealth careNursingPerceptionRobotPsychologyNursing careMedicineComputer scienceArtificial intelligenceWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: The growing demand for older adults care due to aging populations and health care workforce shortages requires innovative solutions. Socially assistive robots (SARs) are increasingly explored for their potential to reduce workload by handling routine tasks. Yet, adoption can be hindered by various health care workers' concerns. Objective: This study examined the perceptions of health care workers toward SARs before and after a pilot use in a clinical nursing care setting. The study focused on SAR usability, emotional appropriateness, and readiness for adoption. Methods: A mixed methods pilot study was conducted at the East Tallinn Central Hospital's Nursing Care Clinic in collaboration with Tallinn University of Technology. The TEMI v3 (Robotemi) robot was used for 2 weeks for visitor guidance, goods delivery, and patrolling tasks. Health care workers filled in pre- and postintervention questionnaires with Likert-scale items and a broad open-ended question. Quantitative data were analyzed for changes in perceived safety, trust, and usability. Qualitative data underwent thematic analysis to understand participants' opinions. Results: Out of 45 involved health care workers, 20 completed the pretest questionnaire, and 5 completed the posttest questionnaire (a 75% attrition). Pretest results show that 17 of 20 (85%) participants had limited previous exposure to SARs and mixed perceptions of their role, with 9 (45%) viewing SARs as machines and 6 (30%) as somewhat human-like. Although 60% believed SARs could become mainstream within 5-10 years, there were concerns about the robot's emotional adequacy and job displacement. Posttest findings showed increased confidence in SARs, with all respondents perceiving them as safe tools. Qualitative results indicate improved trust and readiness to integrate SARs into daily routines, with 4 out of 5 (80%) being willing to advocate for SAR use. Still, participants noted limited impact on facilitating their jobs. Conclusions: The study indicates that short-term collaboration with SARs can enhance health care workers' confidence and their readiness for adoption. However, actual use would need proper emotional adequacy from the robot and aligning its functionalities with specific care needs. The future studies need to examine long-term impacts on care quality and job satisfaction, and also strategies to address generational differences and technophobia among health care staff. Transparent communication and proper training are required to ensure acceptance.

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)0,018
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,018
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,234
Tête enseignante GPT0,621
Écart entre enseignants0,386 · 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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR NursingMême sujetSocial Robot Interaction and HRITravaux en français237 207