Estimating the sensorimotor components of cybersickness
Notice bibliographique
Résumé
The user base of the virtual reality (VR) medium is growing, and many of these users will experience cybersickness. Accounting for the vast interindividual variability in cybersickness forms a pivotal step in solving the issue. Most studies of cybersickness focus on a single factor (e.g., balance, sex, or vection), while other contributors are overlooked. Here, we characterize the complex relationship between cybersickness and several measures of sensorimotor processing. In a single session, we conducted a battery of tests of balance control, vection responses, and vestibular sensitivity to self-motion. Following this, we measured cybersickness after VR exposure. We constructed a principal components regression model using the measures of sensorimotor processing. The model significantly predicted 37% of the variability in cybersickness measures, with 16% of this variance being accounted for by a principal component that represented balance control measures. The strongest predictor was participants' sway path length during vection, which was inversely related to cybersickness [ r(28) = -0.53, P = 0.002] and uniquely accounted for 7.5% of the variance in cybersickness scores across participants. Vection strength reports and measures of vestibular sensitivity were not significant predictors of cybersickness. We discuss the possible role of sensory reweighting in cybersickness that is suggested by these results, and we identify other factors that may account for the remaining variance in cybersickness. The results reiterate that the relationship between balance control and cybersickness is anything but straightforward. NEW & NOTEWORTHY The advent of consumer virtual reality provides a pressing need for interventions that combat sickness in simulated environments (cybersickness). This research builds on multiple theories of cybersickness etiology to develop a predictive model that distinguishes between individuals who are/are not likely to experience cybersickness. In the future this approach can be adapted to provide virtual reality users with curated content recommendations based on more efficient measurements of sensorimotor processing.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».