Refine
Year of publication
- 2022 (2)
Document Type
- Part of a Book (1)
- Conference Proceeding (1)
Conference Type
- Konferenzartikel (1)
Has Fulltext
- no (2)
Is part of the Bibliography
- yes (2)
Keywords
- Gesundheit (2) (remove)
Institute
Open Access
- Closed (2)
This work documents the rising acceptance of social robots for healthcare as well as their growing economic potential from 2017 to 2021. The comparison is based on two studies in the active assisted living (AAL) community. We first provide a brief overview of social robotics and a discussion of the economic potential of social health robots. We found that, despite the huge potential for robotic support in healthcare and domestic routines, social robots still lack the functionality to access that potential. At the same time, the study exemplifies a rise in acceptance: all health-related activities are more accepted in 2021 when in 2017, most of them with high statistical significance. When investigating the economic perspective, we found that persons are aware of the influence of cultural, spiritual, or religious beliefs. Most experts (57%), having a European background, expect the state or the government to be the key driver for establishing social robots in health and significantly prefer leasing or renting a social health robot to buying one. Nevertheless, we speculate that it might be a global financial elite which is first to adopt social robots.
Rehabilitationsmaßnahmen nach Unfällen oder Krankheiten sind oft langwierig und häufig mit Schmerzen sowie Frustration verbunden – und Ähnliches gilt für Präventionstraining. Die spielerische Anreicherung des Trainings (im Folgenden: Gamification) kann dieser Entwicklung durch die Steigerung des Spaßfaktors entgegenwirken. Im Gegensatz zu regulären Spielen kann es durch die höhere Motivation und Immersion im Training allerdings zu einer verminderten Schmerzwahrnehmung und damit einer Verschlechterung des Gesundheitszustands bis hin zu einer erneuten Verletzung kommen. Daher war es bislang erforderlich, solche Ansätze kontinuierlich therapeutisch zu begleiten. Für eine autonome Intervention, zur Entlastung von Therapeuten, aber auch im Heimbereich ist eine automatisierte Anpassung des Schwierigkeitsgrads des Bewegungstrainings und eine individualisierte Zielsetzung und -kontrolle von zentraler Bedeutung. Diese Herausforderung ist in bestehenden Ansätzen zu wenig adressiert bzw. beschrieben worden. Der Einsatz künstlicher Intelligenz kann hier einen entscheidenden Beitrag zu leisten – insbesondere hybride Ansätze, die expertenbasierte Entscheidungsbäume mit Verfahren des maschinellen Lernens kombinieren, könnten in der Zukunft einen wichtigen Beitrag zu einer erfolgreichen Rehabilitation und Prävention liefern.