MétaCan
Menu
Retour à la cohorte
Enregistrement W1622374977 · doi:10.3233/tad-2004-16201

Stroke survivors' perceptions of a leisure-based virtual reality program

2004· article· en· W1622374977 sur OpenAlexaff
Stephanie Farrow, Denise Reid

Notice bibliographique

RevueTechnology and Disability · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésVirtual realityPsychologyCompetence (human resources)PerceptionQualitative researchApplied psychologyIntervention (counseling)Social psychologyHuman–computer interactionComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

It is evident that a major issue for stroke survivors is a failure to resume enjoyable leisure activities. This pilot study is a qualitative investigation of the experiences of sixteen stroke survivors, ages 49 to 86, after engaging in a leisure virtual reality (VR) intervention program. Each parti cipant took part in a qualitative in-depth interview to discuss the VR experience. VR can be described as an immersive 3-dimensional environment, which requires participants to interact with simulated objects. Four themes emerged from the data: doing and engaging, enabling competence, this has got me moving, and recommendations. The subtheme technology is okay, also emerged. Findings from this study illustrate that stroke survivors have a decrease in leisure participation and VR is viewed as an opportunity for participation. Engaging in VR creates new interests or rekindles an interest in returning to previous leisure activities. VR is also perceived as a form of therapy with benefits for the body and mind. Moreover, the findings support the idea that older persons are comfortable with this technology. Results are discussed in terms of theories of flow, self-efficacy, and a person-environment experience. Although VR will not fully replace real experiences and environments, it is an avenue for stroke survivors to realize their potential. This research has an implication for practice and future research.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,310
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology and DisabilityMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207