MétaCan
Menu
Retour à la cohorte
Enregistrement W2886293624 · doi:10.11159/mhci18.103

Where to Take a Rest: An Attention Restoration Theory Perspective

2018· article· en· W2886293624 sur OpenAlexvenueno aff
Kyungmi Chung, Jin Young Park

Notice bibliographique

RevueProceedings of the World Congress on Electrical Engineering and Computer Systems and Science · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueIdentity, Memory, and Therapy
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Foundation of KoreaMinistry of Science, ICT and Future PlanningSungkyunkwan UniversityNational Research Foundation
Mots-clésPerspective (graphical)Rest (music)Computer scienceCognitive sciencePsychologyArtificial intelligenceMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of the present study is to test the following research questions: RQ1. How does individuals' presence experience during exposure to 360 virtual nature differently affect the subjective evaluation of perceived restorativeness? RQ2. How does individuals' presence experience during exposure to 360 virtual nature differently affect involuntary attention restoration as indicated by the modulation of auditory Mismatch Negativity (aMMN) and P3a amplitude?; RQ3. Will the 'subjective' self-reported and 'objective' event-related potential (ERP) responses be congruent? Based on attention restoration theory [1], nature can allow depleted directed attention to rest and restore by drawing involuntary attention that requires no efforts. According to previous ERP studies on the during-effect of meditation, long-term mediators showed significantly reduced aMMN [2] and P3a [3] amplitudes than non-mediators. Assuming that the differences in individual's presence level would boost this meditation-like effect [4] and the aMMN would be attention-independent [5], we hypothesized that people with a high level of presence experience would have significantly increased perceived restorativeness scale (PRS) scores and reduced P3a responses to the natural virtual environment (VE) than those with a low level of presence experience.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,317

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,011
Tête enseignante GPT0,268
Écart entre enseignants0,257 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Electrical Engineering and Computer Systems and ScienceMême sujetIdentity, Memory, and TherapyTravaux en français237 207