Older Adults' Acceptance of Virtual Doctors: A Preliminary Investigation
Notice bibliographique
Résumé
The use of virtual doctors is increasing; yet, we have not fully studied their impact and how they are perceived by the public, especially by digitally-marginalized users such as older adults. We also do not know how virtual doctors compare to other technology-mediated alternatives, like traditional telemedicine. More broadly, the factors leading to older users’ adoption of virtual doctors are not well understood. In other similar fields, users’ perceptions of early generations of conversational interfaces have been extensively studied. This raises the question of how virtual agents’ fidelity (e.g. video vs. speech-only) and agency (e.g. human vs. machine) influence confidence, comfort, and ease of use in target groups like older adults. To fill these knowledge gaps, I have conducted a mixed-methods study with older adults in which they engaged with different versions of telemedicine setups. The versions varied along the dimensions of fidelity (e.g. video vs. speech-only) and agency (e.g. human vs. machine). Analysis of interview and survey data shows that older adults were most confident and comfortable with speech-only machine-powered interfaces for general healthcare information, and with video-based link with human doctors for specific healthcare information. The findings also show that in order for virtual doctor systems to be accepted by older adults, they need to do the following: complement older adults’ visits to their existing doctors, fit their existing information practices for gathering healthcare information, and have perceived value compared to their currently available alternatives.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».