Eye2Recall:通过 gaze 驱动的 LLM 提示为老年人探索混合主动式回忆活动
作者
眼动追踪与注视交互大语言模型(LLM)的人机协作老年护理与认知症照护睡眠与压力监测医生、护士、临床医生精神科医生与心理咨询师老年护理人员家庭照顾者(Caregiver)
基于照片的回忆疗法可以支持老年人的心理健康,但现有系统大多为文本驱动,缺乏实时适应性。研究首先进行专家访谈,总结出无障碍性、文化适配性和安全情感参与的设计考量。接着实现了 Eye2Recall,一个智能对话界面,将用户观看老照片的视线转换为大语言模型的混合主动式提示。12名老年人参与的 pilot study 报告显示互动轻松顺畅,智能体的提问与用户注视内容一致。使用后自我报告积极情绪增加,消极情绪减少。访谈进一步表明,视线驱动的提示有助于提取具体细节,支持反思性叙事。本研究贡献在于提出了一种 gaze-to-prompt 适应机制,将混合主动式对话应用于老年人的回忆体验。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
IUI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
眼动追踪与注视交互、大语言模型(LLM)的人机协作、老年护理与认知症照护、睡眠与压力监测
work
职业/产业
医生、护士、临床医生、精神科医生与心理咨询师、老年护理人员、家庭照顾者(Caregiver)
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文