MétaCan
Menu
Retour à la cohorte
Enregistrement W2048795095 · doi:10.1117/12.479665

Navigating mazes in a virtual environment

2003· article· en· W2048795095 sur OpenAlexaff
Roger A. Browse, David B. Skillicorn, Darren Middleman

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTraversePerceptionVirtual realityMovement (music)Human–computer interactionArtificial intelligenceOptical head-mounted displaySimulationComputer visionPsychology

Résumé

récupéré en direct d'OpenAlex

In this research we are concerned with computer interfaces with which subjects navigate through maze simulations which are essentially buildings, with corridors and intersections, such as frequently encountered in computer games and simulations. We wish to determine if virtual reality interfaces introduce a performance enhancement that might be expected for display configurations which mimic natural perceptual experiences. We have experimented primarily with two display conditions for presentation of and navigation through the mazes. Subjects either view the maze on a desktop computer monitor, turning and moving within the maze with the mouse in a way that is similar to the configurations used in most first-person role playing computer games, or they viewed the maze from a standing position with a head-mounted display, being free to direct the view of the maze through body and head movements, and using the depression of a mouse button to effect movement in the direction that they were facing. Head-tracking was required for this latter condition. As expected there are striking individual differences in subjects’ abilities to learn to traverse the mazes. Across a variety of maze configuration parameters which significantly do influence performance, the results indicate that the virtual reality enhancements have no effect subjects' ability to learn the mazes, either as <i>route knowledge</i> or as <i>cognitive maps</i>.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,300
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,221
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetSpatial Cognition and NavigationTravaux en français237 207