Cultural Feasibility of Conversational Robots for Dementia Care in India: Participatory Design Study
Notice bibliographique
Résumé
BACKGROUND: Dementia poses a significant challenge in India. The rising incidence rates, limited resources, and restricted clinician access have contributed to a staggering 90% gap in diagnosis and care. Conversational technology provides a natural user interface with the potential to promote the independence, well-being, and safety of people living with dementia at home. However, the feasibility of implementing such technology to support people living with dementia across diverse cultural and economic settings remains underexplored. OBJECTIVE: This study aimed to assess the cultural feasibility of conversational robots for dementia care in India, a culturally underserved context in robotics and artificial intelligence (AI) for aging and dementia care. METHODS: We involved 29 stakeholders, including people living with dementia, caregivers, and dementia care professionals. We evaluated (1) the engagement of people living with dementia with 3 conversational robots with varying interactive modalities (a voice agent, a virtual affective robot, and an embodied robot), (2) robot acceptance, and (3) stakeholder perspectives on the benefits and challenges of deploying conversational AI in India. RESULTS: People living with dementia were willing to engage in verbal dialogue with conversational robots. Stakeholders perceived the technology as beneficial for supporting daily tasks at home, reducing loneliness, and enhancing cognitive function. We identified design adaptations to address feasibility challenges in India, including the need to (1) adapt interaction style to use a kind tone, appreciative language, and customizable facial expressions; (2) improve speech recognition for local accents interpretation and noisy settings; and (3) introduce prototypes in local clinics to promote familiarity. CONCLUSIONS: This work offers novel insights into cultural acceptance, human-robot engagement, and perceived utility for dementia care, along with key design implications for integrating conversational AI into care settings in India.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».