Exploring intergenerational interactions with tiny social robots: a qualitative study
Notice bibliographique
Résumé
Background: With the rapid aging of Canada's population, more older adults are choosing to "aging in place," yet they face challenges of social isolation and health risks. Emerging social robots are considered to have potential in reducing loneliness and promoting intergenerational communication. Objective: This study aimed to explore how two tiny social robots (EMO and AIBI) support intergenerational interactions between older adults and university students, focusing on their emotional value, functionality, and perceived risks or limitations. Methods: We applied the Interpretive Description qualitative methodology. Three focus groups were conducted in community settings, including 13 older adults (aged 51-81 years, including two in their early fifties who were active members of the lab's older adult partner group) and 13 university students (>18 years). The study involved separate introductions to the robots for each group, intergenerational joint sessions, and thematic analysis, following COREQ guidelines. Results: Three key themes emerged: (1) Emotional and companionship value-older adults highlighted improved mood, reduced loneliness, and practical benefits such as reminders; (2) Concerns about limitations and risks-students emphasized technical challenges, sustainability, and risks including over-reliance, communication barriers, and maintenance; (3) Bridging generations-both groups recognized the robots' role in fostering shared engagement and emotional resonance across age groups. Conclusion: Tiny social robots show promise in enhancing older adults' emotional well-being and fostering intergenerational connections. Differences in perspectives underscore the need for co-design approaches that integrate older adults lived experiences with younger people' concerns for usability and safety.
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 | 0,017 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,008 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».