Etude des facteurs influençant l'utilisation des robots de rééducation
Bibliographic record
Abstract
Objectif : Malgré l’efficacité des robots de rééducation (RR) dans la littérature, ceux-ci sont encore peu utilisés sur le terrain. Le but de cette étude était d’analyser les perceptions des thérapeutes ayant utilisé un RR chez des patients cérébro-lésés. Méthodologie : Huit interviews semi-structurées ont été réalisées sur base d’un guide d’entretien inspiré du modèle UTAUT et reprenant 9 thèmes. Les interviews ont été enregistrées afin d’être retranscrites, résumées et enfin synthétisées transversalement. Résultats : Facilitateurs perçus: l’intensité, l’information, la facilité des réglages et paramètres, la complémentarité et l’influence hiérarchique, etc. Barrières perçues: les résultats non concluants, les bugs, la longue phase d’installation, l’environnement, la redondance des jeux et les effets secondaires, etc. Discussion : Un manque de communication entre praticiens et chercheurs a été observé à plusieurs niveaux : rapidité d’installation, charge de travail et perception des résultats. Pour une prochaine étude, interroger des thérapeutes qui ont utilisé le robot en dehors de l’étude et élargir l’échantillon à plusieurs RR semble intéressant. Conclusion : A ce jour, malgré les preuves d’efficacité des RR, les thérapeutes estiment qu’il existe encore de nombreuses barrières à leur utilisation. Ils s’accordent néanmoins pour dire que si des modifications (installation rapide, diminution des bugs, etc.) sont apportées, les RR feront partie intégrante de la thérapie.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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; both teacher heads agree on what is shown here.
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".