Co-creating a Virtual Reality Program for Older Adults with Dementia in Hospital
Notice bibliographique
Résumé
Abstract Virtual Reality (VR) is promising in improving the well-being of older adults with dementia in hospitals; however, traditional VR design and VR experience delivery to meet their diverse needs. Involving older adult patient partners, family caregivers, and staff in the co-design of gerontechnology is considered best practice, yet few researchers have adopted this inclusive approach. Appreciative Inquiry offers a collaborative framework to engage relevant users, leveraging their expertise and lived experiences for innovation. Our study aims to understand the contribution of Appreciative Inquiry in engaging multiple partners in co-creating a VR program for Older Adults with Dementia in hospitals. We co-created a VR program guided by Appreciative Inquiry principles, engaging patient partners, families, hospital staff and leaders. We adapted methods to facilitate meaningful participation, including six focus groups and interviews with 56 participants across two hospital units. Participants’ insights informed the iterative development and refinement of the VR program. Patient partners, families, staff, and leaders meaningfully contributed to the design process. The collaborative process fostered a sense of ownership among participants, challenged assumptions about dementia care, and promoted positive interactions and experiences within the project team. Our approach demonstrated that using tailored methods is essential for authentic engagement, ensuring the developed technology meets real-world needs and will more likely be adopted in care practice. The study demonstrates the value of Appreciative Inquiry-informed co-design partnerships in co-creating technology. Future studies should further explore co-design methods across diverse cultural and organizational contexts with diverse older adults and other partners.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».