Faciliter l’utilisation du calendrier AMELIS pour les personnes âgées au moyen de la communication émotionnelle
Bibliographic record
Abstract
Les personnes âgées éprouvent souvent des difficultés à interagir avec les ordinateurs, en partie à cause du manque de maîtrise des moyens d’interaction classiques, tels que la souris et le clavier. Les interfaces tactiles, plus faciles à prendre en main, ne facilitent pas toujours les interactions, surtout pour les personnes ayant une conductivité de la peau très faible. Ces aléas, liés à l’interaction avec les ordinateurs, créent un sentiment de frustration chez certains et un sentiment de désespoir chez d’autres, menant vers un rejet de la technologie, dans un monde où elle occupe une grande importance dans la vie quotidienne. Des études montrent que les agents virtuels sont acceptés par les personnes âgées, et peuvent constituer une piste prometteuse et alternative aux moyens d’interactions classiques. Cette recherche a pour but de faciliter l’interaction avec la technologie à travers la communication émotionnelle. La méthodologie consiste à concevoir une application utile aux personnes âgées, à y adjoindre un agent virtuel émotionnel pour en tester l’acceptabilité et l’utilisation par les personnes âgées. Utilisant le cadre de la recherche participative, 34 personnes âgées au Québec et en France ont conçu un calendrier interactif en privilégiant les modes d’interaction tactiles et avec agent virtuel. Nous avons intégré un modèle émotionnel à l’agent virtuel qui lie 3 composantes émotionnelles différentes, (1) la personnalité (2) l’humeur et (3) l’émotion issue des événements reçus survenant lors des interactions avec le calendrier. Deux expérimentations ont été organisées pour valider l’utilisation du calendrier et de l’agent virtuel auprès de 4 personnes âgées. Les expérimentations se sont déroulées au domicile de quatre aînés, respectivement sur une période de 12 semaines et d’une semaine. Lors de la première expérimentation, les deux modalités d’interaction, tactile et vocale ont été évaluées avec un agent virtuel inanimé. Lors de la deuxième expérimentation, les personnes âgées complétaient des scénarios prédéfinis avec l’agent virtuel animé pour évaluer le modèle émotionnel et l’importance accordée à l’agent virtuel durant l’interaction. Les résultats de cette thèse s’articulent d’une part autour de la réalisation de l’agent virtuel qui présente un modèle émotionnel associé à une personnalité et une humeur changeante selon les interactions réalisées par la personne âgée. D’autre part, les résultats des expérimentations montrent que l’interaction vocale avec l’agent virtuel est plus agréable que l’interaction tactile, en dépit des faiblesses liées à la qualité de la reconnaissance vocale. Les personnes âgées sont attirées par l’agent virtuel durant les interactions. Les contributions de ce travail de recherche s’articulent autour de la facilitation de l’interaction avec un outil technologique, et ce, à travers un agent virtuel émotionnel. La première contribution porte sur la conception d’un calendrier interactif et l’identification des caractéristiques physiques et émotionnelles d’un agent virtuel en se basant sur la conception participative. La seconde contribution porte sur la modélisation et la conception informatique d’un agent virtuel émotionnel en intégrant 3 modèles émotionnels psychologiques.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.007 |
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".