Exploring the use of smartphone applications during navigation-based tasks for individuals who are blind or who have low vision: future directions and priorities
Notice bibliographique
Résumé
PURPOSE: Mainstream smartphone applications are increasingly replacing the use of traditional visual aids to facilitate independent travel for people with blindness or low vision. However, little is known about which navigation apps are being used, the factors underpinning these decisions and why apps are not used in certain contexts. The goal of this study was to explore the navigation-based apps used by individuals who are blind or who have low vision, the factors influencing these decisions, and perceptions about gaps to address future needs in navigation. MATERIALS AND METHODS: An international online survey was conducted with 139 participants who self-identified as blind or low vision. RESULTS: Findings indicate that the decision to use an app based on artificial intelligence (AI) versus live video assistance is related to whether the task is dynamic or static in nature. Although most participants rely on apps only during unfamiliar routes (60.9%), apps are shown to supplement rather than replace traditional tools such as the white cane and dog guide. Participants underscore the need for future apps to better assist with indoor navigation and to provide more precise information about points of interest (POI). CONCLUSION: These results provide vital insights for technology developers about the perceived utility of smartphone apps for people with low vision or blindness during navigation. Our results highlight the importance of built-in accessibility features for users with visual impairments. As additional technology-based solutions are developed, it is essential that blind and low vision users, including rehabilitation professionals, are meaningfully included within design.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».