Perspectives on artificial intelligence-enabled socially assistive robots in long-term care: Experiences with LOVOT among people with dementia and family caregivers
Notice bibliographique
Résumé
Objective: Artificial intelligence (AI)-enabled Socially Assistive Robots (SARs) are reshaping dementia care in long-term care (LTC) settings. This critical reflection paper, co-authored by co-researchers (people living with dementia and family partners), explores the perceived potential, limitations, and ethical considerations of implementing a robot LOVOT in LTC. Methods: This paper presents a critical reflection based on interviews conducted and analyzed using a reflexive thematic approach. Among 12 co-researchers, three were older adults living with dementia; eight were family care partners and one was an older adult partner. Results: Three themes identified include (a) LOVOT's role in supporting engagement and stimulating conversation, (b) the irreplaceability of human touch and emotional nuances, and (c) concerns about ownership and equitable resource allocation. Discussion: Older adults emphasized that LOVOT has the potential to act as an active role as a companion for older adults with dementia. They also identified opportunities for improvement in design, especially around cultural responsiveness, technological familiarity and safety. Implications: This reflection brings forward the lived experience perspectives from older adults with dementia, and family partners as co-researchers, offering valuable insights to guide ethical and person-centered implementation of SARs like LOVOT in LTC settings.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».