ICE-TEA: International Consortium on Ethics in Technology and Aging:Achievements and Future Directions for AGE-WELL Catalyst Program in Healthy Aging Initiative on Ethical AgeTech
Notice bibliographique
Résumé
We live in a rapidly advancing technology-based society, where innovations significantly impact our daily lives, including health and healthcare. AgeTech encompasses technologies such as e-health, robotics, artificial intelligence, and mobile devices to support the health and independence of older adults. While AgeTech offers many benefits, it also presents ethical challenges. Technologies can streamline and economize services but may also disrupt lives. In-home health monitoring systems raise privacy concerns, while the “digital divide” can exacerbate health disparities. Importantly, these ethical considerations are often overlooked or underappreciated by technology researchers and developers.<br/><br/>In 2023, we received funding from AGE-WELL, Canada’s Technology and Aging Network (www.agewell-nce.ca), for a one-year catalyst project ICE-TEA: International Consortium on Ethics in Technology and Aging to explore the ethical dimensions of AgeTech and to lay the foundations for a substantive, longer-term research and knowledge mobilization initiative. The key aim was to achieve a stronger ethical focus within the AgeTech sector and ensure ethical thinking is part of the research, design and development of technology from start to finish. The initiative centers around the perspectives of older people to promote ethical design thinking by encouraging and supporting culture change within AgeTech research and industry, promoting the development of more effective, appropriate, and inclusive technologies.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».