Can we configure COOK, a cognitive Orthosis for meal preparation, with efficiency and effectiveness?
Notice bibliographique
Résumé
PURPOSE: Assistive Technologies for Cognition (ATCs), such as the Cognitive Orthosis for coOKing (COOK), offer support to individuals with traumatic brain injury by enhancing safety and independence. While the usability of COOK's client interface has been tested, the expert interface-used by occupational therapists to customize the interface to clients' needs-requires further study. We therefore aimed to: (1) Prioritize the modifications to be made to COOK's configuration interface; and (2) Describe the effectiveness and efficiency of the interface within a laboratory context. MATERIALS AND METHODS: A Human-Centered Design (HCD) approach was used. Fourteen occupational therapists and master's students in occupational therapy participated. A convergent mixed-methods design was used. Data was collected through laboratory testing of the interface. Qualitative data was analyzed using deductive thematic analysis [1], and quantitative data with descriptive statistics. RESULTS: Our study highlighted the importance of balancing effectiveness and efficiency during technology design. Participants emphasized that the configuration process should ensure both a quality that allows customization to meet client needs and an ease of use to minimize the time required for the configuration of COOK. Overall, a good usability of COOK's configuration interface was demonstrated both qualitatively and quantitatively. CONCLUSION: Future studies will be needed to implement the technology in clinical practice and gather further insights on this interface for the design of further iterative improvements to meet the needs of occupational therapists and their clients.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; 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 ».