Wired for companionship: a meta-analysis on social robots filling the void of loneliness in later life
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Loneliness is a significant public health concern affecting over a quarter of older adults worldwide. Emerging research suggests that artificial intelligence (AI)-enabled social robots may offer a viable alternative for providing a new form of social support and reducing loneliness. This meta-analysis evaluates the effectiveness of AI-enabled social robots in reducing loneliness among older adults and examines the conditions under which these interventions are most effective. RESEARCH DESIGN AND METHODS: A systematic search was conducted through October 2024. Effect sizes from 19 studies (N = 1,083) were synthesized using robust variance estimation (RVE) in meta-regression. Moderation analyses examined how social robots' effectiveness differs by contextual factors such as participants' backgrounds and studies' characteristics. RESULTS: Our findings indicated that social robots significantly reduced loneliness among older adults. However, studies with control groups indicate a higher effect size. Moreover, greater reductions in loneliness are observed among individuals in institutional settings compared to those living independently. In addition, stronger intervention effects reported in Japan and Turkey than in the United States. However, age, cognitive status, robot type, duration of intervention, and year of publication did not significantly influence intervention effectiveness. DISCUSSION AND IMPLICATIONS: Findings underscore the potential of social robots as an effective and scalable approach for addressing loneliness among older adults, particularly within institutional care environments. Policymakers, gerontologists, and care providers should consider integrating AI-enabled social robots into existing care frameworks, emphasizing culturally sensitive and inclusive implementation strategies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,028 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».