Applicaties

2.3.5.1 Autismebehandeling

Sociale robots worden meer en meer gebruikt als hulpmiddel in de behandeling van autisme bij kinderen. Ze worden ingezet om de sociale, emotionele en communicatieve tekortkomingen van de kinderen weg te werken. De laatste jaren is de interesse in dit onderzoeksveld enorm gegroeid, wat studies van over de hele wereld met zich mee heeft gebracht. Uit die studies is er een groot aantal sociale robots gecreëerd die verschillend zijn op gebied van uiterlijk, gedrag en taken die ze kunnen uitvoeren. Er kan vastgesteld worden dat er een soort zoo van sociale robots is ontstaan die voldoen aan individuele noden van kinderen met autisme. Cabibihan, Javed, Ang, & Aljunied (2013) bestudeerden er 23 hiervan en konden volgende rollen categoriseren:

▪ Diagnosticerend agent: Autisme is moeilijk waar te nemen voor de leeftijd van drie jaar, omdat de patronen die nodig zijn om de diagnose vast te stellen nog niet volledig ontwikkeld zijn. Toch is een vroegtijdige diagnose essentieel om de verbeteringskansen van het kind significant te verhogen. Sociale robots kunnen hierin op verschillende manieren een rol spelen. Zo is het belangrijk om tijdens de eerste levensjaren te kijken hoe een kind reageert op steeds identieke acties. Terwijl mensen het misschien moeilijk vinden om steeds identieke acties te herhalen overheen een langere periode, doen robots dit van nature.

▪ Speelvriend: Spelen vervult een zeer belangrijke functie in de sociale ontwikkeling van kinderen. Kinderen met autisme krijgen echter vaak niet de kans om met leeftijdsgenoten te spelen door hun onderontwikkelde sociale en communicatieve capaciteiten. Hierdoor zonderen ze zich vaak af en besluiten ze in isolatie te spelen. Spelletjes met sociale robots creëren een veilige omgeving waardoor het kind zichzelf kan zijn zonder angst.

▪ Gedrag opwekkende agent: Al spelend kunnen sociale robots specifieke vaardigheden aanleren, gewenst gedrag uitlokken, en de nodige positieve feedback geven. Vaak aangeleerd gedrag bevat onder meer imitatie en oogcontact.

▪ Sociaal bemiddelaar: Een sociale robot kan optreden als sociaal bemiddelaar door het kind zo te trainen dat het zijn aangeleerde vaardigheden doorgeeft aan zijn leeftijdsgenoten. Dit wordt mogelijk gemaakt door sessies waarin twee of meerdere kinderen samen in interactie treden met een sociale robot.

▪ Sociaal agent: Kinderen met autisme zijn niet in staat om sociale skills te ontwikkelen naargelang ze ouder worden omdat de interactie met hun omgeving zeer belemmerd is. Aan de hand van sociale robots leren de kinderen afhankelijk van de context welk gedrag gepast is. ▪ Persoonlijke therapeut: Sociale robots voorzien een persoonlijke behandeling voor ieder kind op

basis van zijn voorkeuren, tekortkomingen en noden. Daarnaast laat het robotontwerp toe om uiterlijke kenmerken aan te passen naar de wensen van het kind. Zo zouden de ogen van een robot kunnen aangepast worden indien het kind zich daardoor geïntimideerd voelt. Ook de complexiteit van de taken wordt continu aangepast zodat het kind blijft leren.

Daarnaast waren Cabibihan et al. (2013) in staat om volgende kenmerken te onderscheiden die sociale robots effectiever maken in de behandeling van autisme:

▪ Robots zijn minder complex dan mensen: Robots zijn simpeler en voorspelbaarder dan mensen. Daardoor is het voor een kind makkelijker om instructies te volgen van een robot dan van een mens. Door robots in te zetten worden kinderen niet geïntimideerd door de complexiteit van verbale en non-verbale communicatie, wat het algemene communicatieproces vergemakkelijkt. ▪ Robots maken lichamelijke interacties mogelijk: De mogelijkheid om aan te raken is iets wat traditionelere behandelingen vaak missen. Door robots te gebruiken kunnen kinderen meer fysieke interactie aangaan en bijvoorbeeld het lichaam van een robot verkennen. Daardoor voelen kinderen zich meer betrokken.

▪ Robots zijn minder intimiderend dan mensen: Robots vervullen niet enkel de rol van speelvriend, maar kunnen zelf ook gebruikt worden als speelgoed. Dit geeft de kinderen een gevoel van veiligheid gedurende de interactie.

2.3.5.2 Ouderenzorg

De ouderenzorg is een volgend therapeutisch domein waar sociale robots worden ingezet. Recent onderzoek van Abdi, Al-Hindawi, Ng, & Vizcaychipi (2018) is de eerste Systematic Literature Review (SLR) die de effecten van Sociale Assisterende Robots (SAR) voor de verbetering van de gezondheids- en sociale zorg van ouderen evalueert en categoriseert. Dit onderzoek identificeerde vijf rollen van dergelijke sociale robots.

▪ Affectieve therapie: In deze categorie hebben sociale robots de functie om de algemene stemming en welzijn van ouderen te verbeteren. Volgens Abdi et al. (2018) zijn er in totaal vijftien studies die dit onderwerp reeds onderzochten, waarvan zeven in groepsverband en acht één-op-één. Alle studies in groepsverband vertoonden positieve resultaten, zoals verminderde agitatie- en depressieniveaus, en een vertoning van meer positieve emoties bij de participanten. Twee één-op-één studies vertoonden daarentegen negatieve effecten. Hier was er een verhoogd niveau van opwinding en een verergering van dementie waar te nemen. Deze contrasterende resultaten zouden een aanwijzing kunnen zijn voor de manier waarop oudere gebruikers emotioneel voordeel kunnen halen uit SAR (Abdi et al., 2018).

▪ Cognitieve training: Reeds zes studies werden hieromtrent uitgevoerd, waarbij er werd nagegaan of SAR de mogelijkheid hebben om de cognitie bij ouderen (zoals het werkgeheugen of uitvoerende functies) te verbeteren. Twee studies gebruikten cognitieve testen, twee andere studies gebruikten neuro-beeldvormende modaliteiten, en de laatste twee gebruikten spelprestaties als prestatiemaatstaf. Opvallend is dat deze studies zowel onderling als met de vorige categorie vaak contrasteren. Daarom is de klinische bruikbaarheid van deze studies onduidelijk (Abdi et al., 2018).

▪ Sociale facilitator: Hier werd onderzocht of SAR kunnen functioneren als hulpmiddel om de gezelligheid tussen participanten, of tussen participanten en derden, te verbeteren. De zeven studies die dit onderwerp behandelen, kunnen hetzelfde concluderen: SAR-interventies verbeterden de gezelligheid van de deelnemers.

▪ Gezelschap: SAR fungeren in deze categorie als hulpmiddel om eenzaamheid en sociaal isolement bij ouderen te overwinnen. Drie studies toonden aan dat SAR weldegelijk de mogelijkheid hebben om een vermindering in eenzaamheidsgevoel te veroorzaken. Slechts één van deze studies beoordeelde dit in een één-op-één situatie. Hier hadden participanten contact met een echte hond, AIBO (een sociale robot in de vorm van een hond) of geen object (deze groep fungeerde als controlegroep). Participanten in de groep met de hond en AIBO voelden zich significant minder alleen dan deze in de controlegroep. Daarnaast was er geen significant verschil tussen de groep met de echte hond en de groep met AIBO. Op basis hiervan kan er gesuggereerd worden dat een artificieel huisdier even effectief kan zijn als een echt huisdier. ▪ Fysiologische therapie: Volgens Abdi et al. (2018) zijn hieromtrent slechts twee studies

uitgevoerd. Hier stonden indicatoren als bloeddruk, hartslag en urineverhouding centraal. De eerste studie was opgedeeld in drie fasen: voor de interactie (T1), onmiddellijk na de interactie (T2) en vijf minuten na de interactie (T3) met de SAR. Ze konden concluderen dat de interactie een verlaging in de systolische bloeddruk teweeg bracht, en dat dit stand hield in T3. Hetzelfde kon besloten worden voor de diastolische bloeddruk, maar deze waarneming hield geen stand in T3. Ook de hartslag verlaagde significant tussen T1 en T3. De tweede studie onderzocht het effect op de urineverhouding. Er werd besloten dat SAR een verbeterde fysiologische reactie op stress veroorzaken. Belangrijke opmerking hierbij is dat deze studies niet veel indicaties geven voor het klinische gebruik van SAR, maar wel een richting voor toekomstig onderzoek.

2.3.5.3 Psychotherapie

Een laatste therapeutisch domein waar sociale robots de laatste jaren worden ingezet, is de psychotherapie. Deze psychotherapeutische robots worden beschreven in een korte review van Sachan (2018). Dergelijke robots hebben als doel om mensen te helpen met hun emoties om te gaan. Vandaag de dag zijn ze enkel nog maar virtueel van aard in de vorm van mobiele applicaties. Aan de hand van dagelijkse chats trachten ze de emoties van de gebruiker in kaart te brengen, waarop ze empathische antwoorden

genereren. Hoewel onderzoek naar dit soort robots nog in zijn kinderschoenen staat, werd hun efficiëntie toch reeds meerdere keren bevestigd in verschillende experimenten. Psychotherapeutische robots worden verder besproken in 2.5.2.2 Emoties als bestaansreden.

2.3.5.4 Educatie

Daarnaast zijn robots ook aanwezig in de educatie. Dit is geen recent fenomeen. Sinds het ontstaan van Lego gebruiken onderwijzers activiteiten rond robotica voor verschillende leerdoeleinden. In het begin was robotica vooral het eindproduct van een onderwijsactiviteit, zoals bij een robot-programmeerwedstrijd. Bij dergelijke activiteiten was de robot louter een creatie van de student (Fong et al., 2003). Door de opkomst van sociale robotica konden robots ook andere rollen aannemen in educatie. De literatuurstudie van Belpaeme, Kennedy, Ramachandran, Scassellati, & Tanaka (2018) onderscheidt de volgende rollen:

▪ Rol van leraar/privéleraar: Als leraar of privéleraar staan de robots in voor het lesgeven aan de studenten. Rond deze soort educatieve robots is het meeste onderzoek gevoerd, vaak met een focus op lesmateriaal voor jongere kinderen. Robots die voor een volledige klas staan zorgen vooral voor een hogere aandachtsspanne en motivatie van de studenten. Omwille van de één-op- veel-relatie is de menselijke leraar nog steeds verantwoordelijk voor het effectief begrijpen van de leerstof, alsook voor de beoordeling van de studenten. Deze verantwoordelijkheden kunnen echter ook overgelaten worden aan de robot indien hij ingezet wordt als privéleraar. De één-op- één-relatie maakt namelijk een zeer gepersonaliseerde leerervaring mogelijk, wat eveneens voor een verhoging van de schoolresultaten zorgt.

▪ Rol van peer: Robots kunnen ook de rol invullen van peers. Studenten ervaren peers vaak minder intimiderend dan leraars, wat een gevoel van veiligheid teweeg kan brengen. Vergeleken met robots als leraars, zorgen robots als peers voor een langere aandachtsspanne, snellere antwoorden en correctere antwoorden.

▪ Rol van beginnende student: Andere educatieve voordelen kunnen ook behaald worden door robots te gebruiken als beginnende student. Hierin neemt de student de rol aan van leraar, wat niet alleen het zelfvertrouwen van de student verhoogt, maar ook zijn eigen schoolresultaten. Dit komt omdat de studenten zich ertoe wijden om de robot lesmateriaal aan te brengen, wat meer inzicht vereist in de leerstof.

Volgens Breazeal (2017) stimuleren voorgaande toepassingen de ontwikkeling van steeds intelligentere en capabelere autonome robots en technologieën die met mensen kunnen samenwerken in een menselijke omgeving. De ontwikkeling van een technologie is één ding, de acceptatie en het gebruik ervan een ander. Daarom presenteert sectie 2.4 een theoretische achtergrond voor de gebruikersacceptatie van informatiesystemen, gevolgd door een uitgebreide evaluatie van Mens-Robot Interactie.

2.4 Theoretische achtergrond

Vooraleer een bepaalde technologie de productiviteit kan verhogen, moet ze geaccepteerd en gebruikt worden door de gebruiker (Venkatesh, Morris, Davis, & Davis, 2003). Het eerste deel van deze sectie zal dit bespreken. Aangezien robots steeds meer aanwezig zijn in de menselijke omgeving (Breazeal, 2017), treden ze steeds vaker in interactie met mensen. Daarom behandelt het tweede deel van deze sectie het studiegebied dat zich hierop focust, namelijk Mens-Robot Interactie (MRI).

2.4.1 Gebruikersacceptatie

Gebruikersacceptatie van een nieuwe technologie wordt vaak beschreven als één van de meest volwassen onderzoeksgebieden in de hedendaagse literatuur over informatiesystemen (IS). Onderzoek in dit gebied resulteerde in verschillende theoretische modellen. Deze vinden vaak hun wortels in IS, psychologie en sociologie. Voorbeelden van dergelijke modellen zijn: ‘Theory of Reasoned Action’ (TRA), ‘Technology Acceptance Model’ (TAM), ‘Motivation Model’ (MM), ‘Theory of Planned Behavior’ (TPB), ‘Combined TAM & TPB’ (C-TAM-TPB), ‘Model of PC Utilization’ (MPCU), ‘Innovation Diffusion Theory’ (IDT) en ‘Social Cognitive Theory’ (SCT). Gewoonlijk verklaren deze modellen 40 procent van de variantie in de individuele intentie om technologie te gebruiken. De grote hoeveelheid aan ontwikkelde modellen heeft er toe geleid dat onderzoekers een keuze moeten maken. Doordat er een voorkeur moet worden gegeven aan een bepaald model, bestaat de kans dat de contributies van de andere modellen genegeerd worden. Volgens Venkatesh et al. (2003) was er behoefte aan een herziening en synthese om een uniform beeld van gebruikersacceptatie te creëren. In dit onderzoek werd bijgevolg het ‘Unified Theory of Acceptance and Use of Technology’ (UTAUT) model ontwikkeld. Dit model identificeerde kritieke factoren en moeilijkheden gerelateerd aan de voorspelling van gebruiksintenties van een bepaalde technologie in een organisationele context. Venkatesh, Thong, & Xu breidden dit model uit in 2012 en voegden drie constructen en enkele relaties toe aan het initiële UTAUT-model. Deze aanpassingen zorgden ervoor dat het model ook gebruikt kan worden in een consumentencontext. Figuur 4 geeft dit UTAUT2-model weer:

Figuur 4. Unified Theory of Acceptance and Use of Technology 2 (UTAUT2). Overgenomen van Venkatesh et al.,

2012

In deze sectie zullen de zeven constructen die een significante rol spelen als directe determinanten voor gebruikersacceptatie en -gedrag verder worden besproken zoals deze zijn gedefinieerd in de onderzoeken van Venkatesh et al. (2003) en Venkatesh et al. (2012). Deze zeven constructen worden weergegeven aan de linkerzijde van figuur 4: prestatieverwachting, inspanningsverwachting, sociale invloed, faciliterende condities, hedonische motivatie, prijswaarde en gewoonte. Belangrijke opmerking hierbij is dat de eerste vier constructen gebaseerd zijn op het UTAUT-model van Venkatesh et al. (2003), terwijl de laatste drie constructen pas later zijn toegevoegd aan het model door Venkatesh et al. (2012). Vervolgens zijn er ook twee voorspellers van de gebruikersacceptatie: gebruiksintentie en gebruiksgedrag. Gebruiksintentie kan echter ook worden beschouwd als construct van gebruiksgedrag.

Daarnaast zal ook de specifieke rol van de belangrijkste moderatoren worden besproken. Initieel werden vier moderatoren geïdentificeerd, zijnde leeftijd, geslacht, ervaring en vrijwilligheid (Venkatesh et al., 2003). Volgens Venkatesh et al. (2012) is deze laatste moderator niet meer van belang in het UTAUT2- model, aangezien consumenten zo goed als altijd vrijwillig gebruik maken van de technologie in kwestie. Dit impliceert dat vrijwilligheid wel nog als moderator wordt beschouwd bij de bespreking van de eerste vier constructen, maar niet meer bij de laatste drie.

Vervolgens is het ook belangrijk dat het longitudinaal onderzoek van Venkatesh et al. (2003) werd uitgevoerd bij vier organisaties, waar telkens een nieuwe technologie op de werkvloer werd geïntroduceerd. Een vragenlijst bestaande uit elementen uit alle acht hierboven vernoemde modellen werd toegediend aan de participanten overheen drie periodes: post-training (T1), een maand na implementatie (T2) en drie maand na implementatie (T3).

2.4.1.1 Prestatieverwachting

De prestatieverwachting wordt gedefinieerd als de mate waarmee een individu gelooft dat hij/zij zijn/haar job beter zal uitvoeren door het systeem te gebruiken. Dit construct vindt zijn oorsprong in vijf

elementen: waargenomen nut, extrinsieke motivatie, aansluiting bij de job, relatief voordeel en uitkomstverwachting. De prestatieverwachting is de beste voorspeller voor de intentie van gebruik en de relatie is positief. Daarnaast blijft deze significant op elk moment van de meting. Dit in zowel vrijwillige als verplichte situaties. Niettemin wordt de relatie tussen de verwachting van de prestatie en gebruiksintentie afgezwakt door het geslacht en de leeftijd. Venkatesh et al. (2003) concludeerden namelijk dat het effect van de prestatieverwachting op de gebruiksintentie sterker is voor mannen en jongere werknemers.

2.4.1.2 Inspanningsverwachting

Dit construct refereert naar de moeilijkheidsgraad om het systeem te gebruiken en bestaat uit drie elementen: waargenomen gebruiksgemak, complexiteit en daadwerkelijk gebruiksgemak. Ook de inspanningsverwachting is significant in zowel vrijwillige als verplichte situaties. Verschillend met prestatieverwachting is dat de relatie van dit construct met de gebruiksintentie negatief is en niet significant blijft op elk moment van de meting, maar enkel tijdens de eerste tijdsperiode (T1). Significante moderatoren hier zijn geslacht, leeftijd en ervaring. Uit de resultaten blijkt dat de invloed van de inspanningsverwachting op de gebruiksintentie sterker is bij oudere vrouwelijke werknemers die over beperkte ervaring beschikken.

2.4.1.3 Sociale invloed

De sociale invloed is de graad waarmee een persoon waarneemt dat belangrijke derden ervan overtuigd zijn dat hij het nieuwe systeem zou moeten gebruiken. Deze bestaat op zijn beurt uit drie elementen: de subjectieve norm, sociale factoren en het imago. Dergelijke constructen correleren positief met gebruiksintentie en zijn enkel significant in verplichte contexten, niet in vrijwillige. Opmerkelijk is dat ook hier de significantie afneemt naarmate de tijd vordert. Na drie maand na de implementatie (T3) is de sociale invloed niet meer significant. Moderators van dit construct zijn geslacht, leeftijd en ervaring. Er werd geconcludeerd dat het effect van de sociale invloed sterker is bij oudere vrouwelijke werknemers met minder ervaring.

2.4.1.4 Faciliterende condities

Deze worden gedefinieerd als de mate waarin een individu gelooft dat de organisatie en technische infrastructuur de gebruiksintentie ondersteunt. Ook dit construct is gebaseerd op drie elementen: waargenomen gedragscontrole, faciliterende condities en compatibiliteit. Kwesties met betrekking tot de ondersteuning van de infrastructuur zijn reeds grotendeels vastgelegd in de inspanningsverwachting. Hieruit volgt rechtstreeks dat wanneer zowel inspanningsverwachting- als faciliterende conditieconstructen aanwezig zijn, faciliterende condities niet significant worden in de voorspelling van gebruiksintentie. Toch is dit construct een directe antecedent van gebruik en is de relatie positief. Uit de resultaten blijkt dat het effect van faciliterende condities groter is bij meer ervaren, oudere werknemers. Het later onderzoek van Venkatesh et al. (2012) corrigeerde de eerdere bevindingen van Venkatesh et al. (2003): faciliterende

condities zijn weldegelijk significante determinanten voor gebruiksintentie. Leeftijd en geslacht werden geïdentificeerd als moderatoren. Meer specifiek zal het effect groter zijn bij oudere vrouwen.

2.4.1.5 Hedonische motivatie

De hedonische motivatie wordt gedefinieerd als de pret en het plezier die de gebruiker beleeft bij het gebruik van de technologie in kwestie. Dit construct is in het UTAUT2-model (Venkatesh et al., 2012) een directe determinant voor gebruiksintentie. Ook hier is de relatie positief. Uit de resultaten van dit onderzoek blijkt dat leeftijd, geslacht en ervaring moderatoren van deze determinant zijn. Zo bevordert de hedonische motivatie de gebruiksintentie meer bij jongere mannen in een vroeg stadium van ervaring met een bepaalde technologie (Venkatesh et al., 2012).

2.4.1.6 Prijswaarde

Ook de prijswaarde is belangrijk in het UTAUT2-model, aangezien consumenten hier nu zelf voor moeten instaan (Venkatesh et al., 2012). De relatie tussen de prijswaarde en gebruiksintentie is negatief, en leeftijd en geslacht zijn moderatoren van deze relatie. Zo besloten Venkatesh et al. (2012) dat de prijswaarde een grotere invloed heeft op de gebruiksintentie bij oudere vrouwen.

2.4.1.7 Gewoonte

Ten derde werd ook gewoonte toegevoegd aan het UTAUT2-model. Venkatesh et al. (2012) definiëren gewoonte als “de mate waarin mensen de neiging hebben om gedrag automatisch uit te voeren”. Dit construct is een directe determinant voor zowel gebruiksintentie als gebruiksgedrag, met telkens een positieve relatie. In beide situaties zijn leeftijd, geslacht en ervaring moderatoren. Venkatesh et al. (2012) concludeerden dat de intentie en het gebruik hoger liggen bij ouderen mannen die meer ervaring hebben met een bepaalde technologie.

2.4.1.8 Gebruiksintentie

Om af te sluiten verwachtten Venkatesh et al. (2003) dat gebruiksintentie een significant positieve invloed uitoefent op het gebruik van een technologie. In dit onderzoek werd hun hypothese bevestigd. Later werd dit gestaafd door Venkatesh et al. (2012). Ze onderzochten bijkomend of ervaring dit effect modereert. Ze konden concluderen dat het effect van gebruiksintentie afneemt wanneer de ervaring toeneemt.

Terwijl het UTAUT-model enkel bruikbaar was in organisationele contexten, is het UTAUT2-model ook bruikbaar om de gebruikersacceptatie van een bepaalde technologie bij consumenten na te gaan. Het initiële UTAUT-model was reeds een aanzienlijke verbetering ten opzichte van elk van de acht eerder ontwikkelde modellen. De uitbreidingen van het UTAUT2-model zorgde volgens Venkatesh et al. (2012) op zijn beurt voor een verbetering in het verklaren van de gebruiksintentie (56 procent ten opzichte van 74

procent) en het gebruik (40 procent ten opzichte van 52 procent) van een bepaalde technologie ten opzichte van het UTAUT-model. Dit maakt het praktische gebruik van dit model uiterst interessant.

In document Gebruikersacceptatie van psychotherapeutische robots (pagina 31-39)