50 vragen over technologieën voor actief gezond ouder worden. Nederlandse editie.
Bibliographic record
Abstract
Deze handleiding over technologieën voor actief en gezond ouder worden, ook bekend als Active Assisted Living (AAL), is opgesteld als onderdeel van de COST-actie GoodBrother, die is uitgevoerd van 2020 tot 2024. COST-acties zijn Europese onderzoeksprogramma’s die internationale samenwerking bevorderen door onderzoekers, professionals en instellingen samen te brengen om belangrijke maatschappelijke uitdagingen aan te pakken. GoodBrother richtte zich op ethische en privacyvraagstukken rond monitoring met camera’s en microfoons in zorgomgevingen. Het doel was te waarborgen dat, terwijl AAL-technologie ouderen en kwetsbare personen ondersteunt, hun recht op privacy en bescherming van persoonsgegevens voorop blijft staan. Deze handleiding is bedoeld om inzicht te geven in de rol van AAL-technologieën bij het verbeteren van de levenskwaliteit van ouderen, hun verzorgers en personen met een beperking. AAL-technologieën bieden hulpmiddelen voor mensen met cognitieve of fysieke uitdagingen. Ze kunnen de zelfstandigheid vergroten, helpen bij dagelijkse routines en bijdragen aan een veiligere woonomgeving. Toch roept de toename van deze technologieën ook belangrijke vragen op over gegevensbescherming en de autonomie van gebruikers. Aan de hand van praktijkgerichte casussen worden situaties beschreven waarin AAL-technologieën worden toegepast. Ze geven informatie over voordelen en knelpunten. Zo komen voorbeelden aan bod van ouderen die hun gevoel van zelfstandigheid hebben teruggekregen, bijvoorbeeld door het gebruik van valdetectiesystemen of gezondheidsmonitoring. Deze verhalen geven een menselijke kijk op technologie en laten zien hoe het welzijn verbeterd kan worden, terwijl er ook kwesties ontstaan over privacy en verantwoord gebruik. Verder wordt in deze handleiding benadrukt hoe belangrijk het is om weloverwogen keuzes te maken bij de selectie en inzet van AAL-systemen. De balans tussen veiligheid en gebruiksgemak en het respecteren van individuele rechten komt daarbij centraal te staan. U vindt informatie over belangrijke aspecten, zoals het kiezen van geschikte apparaten, het beheren van privacy-instellingen en het zorgen voor een goede integratie van technologie in het dagelijks leven. Naast deze casussen behandelt de handleiding onderwerpen zoals gegevensbeveiliging, ethische overwegingen en de rol van Europese regelgeving, zoals de Algemene Verordening Gegevensbescherming (AVG), bij bescherming van de privacy van gebruikers. Inzicht in deze onderwerpen is essentieel om te zorgen dat AAL-systemen niet alleen effectief zijn, maar ook respectvol omgaan met rechten en waardigheid. Deze informatiebron is bedoeld voor een brede doelgroep: eindgebruikers, verzorgers, zorgprofessionals en beleidsmakers. Ze biedt praktische richtlijnen voor de toepassing van AAL-technologieën in zorgomgevingen, met behoud van privacy en een verantwoord gebruik. De inzichten die hier worden aangereikt, helpen gebruikers en verzorgers om weloverwogen keuzes te maken die zowel de kwaliteit van zorg als de persoonlijke autonomie versterken.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.222 | 0.077 |
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".