MétaCan
Menu
Retour à la cohorte
Enregistrement W2759894456 · doi:10.3390/mti1040023

Supporting Optimal Aging through the Innovative Use of Virtual Reality Technology

2017· article· en· W2759894456 sur OpenAlexafffund
Sally Hughes, Kathryn Warren-Norton, Pat Spadafora, Lia Tsotsos

Notice bibliographique

RevueMultimodal Technologies and Interaction · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensSheridan College
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLonelinessVirtual realitySocial connectednessGerontechnologyAugmented realitySocial isolationEntertainmentIsolation (microbiology)Face (sociological concept)Aging in placePsychologyField (mathematics)GerontologyComputer scienceMedicineSociologyPolitical scienceHuman–computer interactionSocial psychologySocial science

Résumé

récupéré en direct d'OpenAlex

Although virtual reality (VR) technology has been implemented as a tool to address the health issues of older adults, its applicability to social connectedness is underrepresented in the literature, and less is known about its efficacy in this area in contributing to overall wellness and well-being in later life. Expanding the VR possibilities beyond traditional entertainment purposes holds considerable potential for the older adult market. Technological tools have been employed in the elder health care field for many years, and cutting-edge developments such as virtual and augmented reality have begun to be used to facilitate optimal wellness in aging. Such technological advances have the potential to significantly impact one of the most important issues that older people face: social isolation and loneliness. This paper will serve as an introductory exploration of what is currently known about the use of virtual reality technology with an older cohort.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
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 Opus0,066
Tête enseignante GPT0,392
Écart entre enseignants0,326 · 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'étudeSans objet
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

Citations59
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMultimodal Technologies and InteractionMême sujetTechnology Use by Older AdultsTravaux en français237 207