MétaCan
Menu
Retour à la cohorte
Enregistrement W2095158042 · doi:10.1089/cpb.2008.0008

Cognitive Mechanisms Underlying Virtual Reality Exposure

2009· article· en· W2095158042 sur OpenAlexaff
Sophie Côté, Stéphane Bouchard

Notice bibliographique

RevueCyberPsychology & Behavior · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversité du Québec en OutaouaisUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésDysfunctional familyStroop effectCognitionArousalPsychologyVirtual realityClinical psychologyBehavior changeCognitive psychologyDevelopmental psychologyPsychiatrySocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Many studies have assessed virtual reality exposures efficacy, but very few examined its treatment processes. The addition of objective measures of arousal and information processing mechanisms would be a valuable contribution in order to provide a more complete and detailed picture. The goal of this study was to better document the cognitive mechanisms associated with therapeutic change after an in virtuo exposure treatment. Twenty-eight adults suffering from arachnophobia were assessed and received an exposure-based treatment using virtual reality. General outcome and specific processes measures included a battery of standardized questionnaires, a pictorial emotional Stroop task, a Behavioral Avoidance Test, and a measure of participants' cardiac response while they looked at a live tarantula. The analyses showed that changes in perceived self-efficacy and dysfunctional beliefs were the best predictors of change in general outcome and cardiac response; change in dysfunctional beliefs were the best predictor of change in behavioral avoidance. These innovative results provide a very detailed and organized picture of the complex cognitive mechanisms involved in therapeutic change following in virtuo exposure for arachnophobia.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,081
Tête enseignante GPT0,375
Écart entre enseignants0,294 · 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'étudeObservationnel
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

Citations52
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyberPsychology & BehaviorMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207