Les apports de la réalité virtuelle à la prise en charge des déficiences cognitives
Notice bibliographique
Résumé
Dans la perspective de l’étude et du traitement des dysfonctionnements de la cognition, chercheurs et thérapeutes se sont saisis, dès le début des années 1990, des possibilités offertes par les concepts et les technologies de la réalité virtuelle. Ces technologies offrent en effet à l’être humain de nouveaux espaces d’interaction et d’expression dans lesquels il peut être immergé, dans des conditions de plus en plus diversifiées allant de systèmes lourds permettant une immersion multi-sensorielle (tel que CAVE®) à des supports utilisés dans la vie quotidienne accessibles à des coûts de plus en plus bas (console Wii). Elles permettent une exploration multiparamétrique de l’activité de l’utilisateur, et ainsi la compréhension de sa performance dans des tâches simulées ayant du sens. Le champ de la santé et du handicap est un domaine d’application prometteur dans lequel l’intégration de ces technologies soulève de nombreuses questions tant au niveau de la compréhension du fonctionnement humain, de la simulation des tâches et des univers virtuels qu’au niveau de l’interfaçage du participant avec le monde virtuel. Les travaux menés dans ce domaine sont donc marqués par une forte interdisciplinarité, avec des compétences tant humaines et sociales que cliniques et technologiques.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».