50 preguntas sobre tecnologías para un envejecimiento activo y saludable. Edición española
Bibliographic record
Abstract
Este manual sobre tecnologías para un envejecimiento activo y saludable, también conocido como Vida Asistida Activa (Active Assisted Living – AAL en sus siglas en inglés), ha sido creado como parte de la Acción COST GoodBrother, que se ha llevado a cabo desde 2020 hasta 2024. Las Acciones COST son programas de investigación europeos que promueven la colaboración internacional, uniendo a investigadores, profesionales e instituciones para abordar desafíos sociales importantes. GoodBrother se ha centrado en las cuestiones éticas y de privacidad relacionadas con la monitorización empleando cámaras y micrófonos en entornos de provisión de cuidados. El objetivo ha sido garantizar que, mientras las tecnologías AAL ayudan a las personas mayores y a los individuos vulnerables, sus derechos de privacidad y protección de datos se mantengan como una prioridad. Este manual está diseñado para guiar en el papel que juegan las tecnologías AAL en la mejora de la calidad de vida de personas mayores, sus cuidadores y personas con discapacidades. Las tecnologías AAL ofrecen herramientas para quienes enfrentan desafíos cognitivos o físicos. Pueden mejorar la independencia, asistir en las rutinas diarias y promover un entorno de vida más seguro. Sin embargo, el aumento de estas tecnologías también plantea preguntas importantes sobre la protección de datos y la autonomía del usuario. A través de estudios de casos prácticos, este manual explora escenarios reales en los que se aplican las tecnologías AAL. Ofrecen información sobre sus beneficios y desafíos. Se discuten situaciones en las que personas mayores han recuperado su sentido de independencia, por ejemplo, mediante el uso de sistemas de detección de caídas o dispositivos de monitorización de salud. Estas historias ofrecen una perspectiva humana de la tecnología, mostrando cómo pueden mejorar el bienestar mientras plantean cuestiones sobre la privacidad y el uso ético. El manual también destaca la importancia de tomar decisiones informadas al elegir e implementar sistemas AAL. Se enfatiza la necesidad de que estas tecnologías equilibren seguridad y conveniencia con respeto a los derechos individuales. Encontrará información sobre cuestiones clave, incluyendo cómo seleccionar dispositivos adecuados, gestionar la configuración de privacidad y garantizar que la tecnología se integre de manera fluida en la vida diaria. Además de estos casos de estudio, el manual aborda temas importantes, como la seguridad de los datos, las consideraciones éticas y el papel de las normativas europeas, como el Reglamento General de Protección de Datos (RGPD), en la protección de la privacidad del usuario. Comprender estos aspectos es esencial para asegurar que los sistemas AAL no solo sean efectivos, sino también respetuosos de los derechos y la dignidad de los usuarios. Este recurso está destinado a una amplia audiencia, incluidos usuarios finales, cuidadores, profesionales de la salud y responsables de políticas. Proporciona orientación práctica sobre cómo integrar las tecnologías AAL en entornos de cuidados mientras se protege la privacidad y se garantiza un uso ético. Las ideas presentadas aquí buscan empoderar a los usuarios y cuidadores para que tomen decisiones informadas que mejoren tanto la calidad del cuidado como el respeto por la autonomía personal.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.050 | 0.020 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".