MétaCan
Menu
Retour à la cohorte
Enregistrement W2525629739

Augmented Reality Serious Gaming for Cognitive Health

2016· dissertation· en· W2525629739 sur OpenAlexaboutno aff
Konstantinos Boletsis

Notice bibliographique

RevueBIBSYS Brage (BIBSYS (Norway)) · 2016
Typedissertation
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAugmented realityCognitionPsychologyCognitive interviewHuman–computer interactionComputer sciencePsychiatry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cognitive impairment in the elderly can be associated with the normal ageing processes or be a symptom of early onset dementia. Even though, early detection of dementia has many benefits, cognitive impairment is still underrecognised and under-diagnosed. This lack of diagnosis often leads to confusion over behavioural changes and prevents social and medical intervention and planning. Cognitive screening represents the initial step in a process of further assessment for cognitive impairment, leading to early diagnosis; however, it presents certain intrinsic limitations. These include culture, gender, and educational biases, long test-retest periods, “white coat” and learning effects, limited test validation and the user’s potential lack of motivation. Serious games can address those limitations and be an alternative to traditional, pen-and-paper and computerised cognitive screening tests, potentially motivating and engaging the user to regularly perform cognitive screening tasks, thus increasing the potential to recognise cognitive impairment and trigger referral for a more comprehensive, formal assessment. The current work contributes by designing, implementing, and testing a novel, gaming approach for the cognitive screening process, utilising stimulating cognitive training. The study thoroughly describes all the design and development stages of a serious game for cognitive training and screening from its inception and its theoretical groundings to its Release Candidate version and the evaluation of its test validity, focusing on the iterative design process and the evaluation of each stage. Finally, a cognitive training game for cognitive health screening of the elderly is produced, utilising an interaction technique based on Augmented Reality (AR) and the manipulation of tangible, physical objects (cubes). The game succeeds in stimulating the cognitive function of the elderly players, presenting high concurrent validity versus the widely used Montreal Cognitive Assessment (MoCA) score. Directions for future research in the area include the use of wearable biosensors - such as smartwatches - for cognitive health screening purposes, suggesting an ecosystem with serious games in the centre. The term “cognitive passport” is defined and discussed, as a tool for tracking personal cognitive health.

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), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,400
Écart entre enseignants0,352 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBIBSYS Brage (BIBSYS (Norway))Même sujetEducational Games and GamificationTravaux en français237 207