MétaCan
Menu
Retour à la cohorte
Enregistrement W7117302864 · doi:10.1002/alz70858_106207

Designing technologies to support dynamic dementia care ecosystems: a humanistic model to guide AI AgeTech innovation

2025· article· en· W7117302864 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiquePersona Design and Applications
Établissements canadiensUniversity of TorontoCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesnon disponible
Mots-clésDementiaService (business)HumanismEmerging technologiesHealth carePatient care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The increasing digitization of society necessitates that persons engage with technology to maintain health, access care, and participate in social activities. Technological innovations that aim to support persons living with dementia and their care partners are increasingly integrating artificial intelligence (AI), such as smart homes, assistive robots, and intelligent wheelchairs - three examples of "AI AgeTech". Ethical discussions related to AI-enabled technologies have addressed individual-level issues (e.g., privacy, informed consent) and society-level issues (e.g., bias, equity). The dynamic and relational natures of dementia care, however, necessitate a nuanced understanding that addresses how these innovations may influence, and be influenced by, evolving care needs, relationships, and arrangements within dynamic care ecosystems. METHOD: A working group of 13 experientially-diverse researchers and knowledge users (i.e., persons living with dementia, family care partners, health care professionals, and AI/technology entrepreneurs) engaged in three co-creation workshops to explore how AI AgeTech may shape, and be shaped by, evolving dementia care ecosystems (i.e., care actors, inter-actor relationships, care practices and arrangements). Workshop activities employed visual experience probes - including personas, care maps, scenarios of different care ecosystems, and videos demonstrating the different examples of AI AgeTech - to stimulate and guide discussion and collaborative knowledge synthesis. RESULT: A preliminary guiding model for designing AI AgeTech innovation was synthesized. Integrating conceptualizations of 'humanism' from geriatrics, social robotics, and AI ethics, this model delineates specific attributes, values, and design orientations to guide innovation design for and with dementia care ecosystems. Uniquely, AI-enabled systems are not merely tools but, rather, semi-autonomous care actors that are likely to reshape the care relationships and practices within the ecosystems in which they are deployed. CONCLUSION: Designing AI-enabled technologies to support dementia care ecosystems requires a humanistic, relational understanding beyond the current discourses of AI and technology ethics. This model provides actionable guidance for researchers and technology and service innovators seeking to enhance dementia care in a future increasingly shaped by AI.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,312
Écart entre enseignants0,280 · 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