MétaCan
Menu
Retour à la cohorte
Enregistrement W4417018936 · doi:10.1177/09637214251392861

Empathy for and From Embodied Robots: An Interdisciplinary Review

2025· article· en· W4417018936 sur OpenAlexaff
C. Daryl Cameron, Alan R. Wagner, Martina Orlandi, Eliana Hadjiandreou, India G. Oates, Stephen A. Anderson

Notice bibliographique

RevueCurrent Directions in Psychological Science · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesJames McKeen Cattell FundNational Science Foundation
Mots-clésEmpathyEmbodied cognitionFeelingRobotEmpirical researchSimulation theory of empathy

Résumé

récupéré en direct d'OpenAlex

Several years ago, the world was stunned when the cute robot HitchBOT was destroyed. Does empathy for robots—sharing experiences and feeling compassion—make sense for humans? How do people empathize with robots, and what are the ethical and practical implications of doing so? How do people react when robots seem to be empathizing with them? In this review, we detail empirical work on empathy for robots, discuss the ethics of extending empathy toward robots, and consider how to engineer robots that elicit empathy. We then review empirical work on empathy received from robots to explore psychological, philosophical, and engineering implications. In our final section, we suggest how interactions with robots might cultivate human empathy. Can interactions with a robot build human empathy and help it to become more resilient and reliable?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,654

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,558
Écart entre enseignants0,444 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Directions in Psychological ScienceMême sujetSocial Robot Interaction and HRITravaux en français237 207