MétaCan
Menu
Retour à la cohorte
Enregistrement W4413506802 · doi:10.1145/3763796

Breaking Barriers: Co-Designing Physical Activity Promoting Technologies with Older Adults Living Alone

2025· article· en· W4413506802 sur OpenAlexafffund
Muhe Yang, Karyn Moffatt

Notice bibliographique

RevueACM Transactions on Accessible Computing · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsFonds de recherche du Québec – Nature et technologiesAGE-WELL
Mots-clésIndependent livingPsychologyGerontologyPhysical activityMedicinePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

Many older adults wish to be more physically active but encounter a complex multitude of barriers that impede their efforts to maintain routines aligned with their aspirations. Despite recognized potential, current physical activity promoting technologies have been described as poorly aligned with older adults’ unique needs. In this article, we present our work following a multi-stage design process consisting of diaries and interviews with 17 inactive older adults living alone wanting to become more physically active and a follow-on co-design workshop with eight of them to envision ways of better supporting exercise engagement. From the resulting design artifacts and a thematic analysis of workshop transcripts, we provided a deeper understanding of why existing technologies are poorly aligned with older adults’ needs and values as well as how older adults weigh the benefits against the costs of using those technologies. Our findings surface potential solutions to addressing the barriers older adults encounter to remaining physically active, identifying enhancing social support as a critical first step. By revealing how older adults’ needs for physical activity support exceed what current technologies can provide, we advocate a holistic network of support across healthcare, social, and information services.

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)0,022
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0050,006
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,317
Écart entre enseignants0,304 · 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'étudeSans objet
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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACM Transactions on Accessible ComputingMême sujetTechnology Use by Older AdultsTravaux en français237 207