Virtual Humanity: Empathy, Embodiment and Disorientation in Humanitarian VR Experience Design
Notice bibliographique
Résumé
With 360-degree filmmaking and Virtual Reality (VR) – the audience can now be immersed in the milieu of the filmed location. Hitherto hard to reach territories, and hard to portray narratives can now be realised and experienced first hand – rendering new opportunities for empathetic, political and cultural engagement. The possibilities of these new technologies of capturing and exhibiting locations and situations have drawn journalists, activists and documentary makers to the form. In this article, we examine four such case studies that have sought to make use of the VR cinema 360-degree format to illuminate specific aspects of human experience. In the award winning Notes on Blindness: Into Darkness the filmmakers and VR designers create an emotionally powerful experience based around visual impairment. In the second case study, Home: Aamir, theatre practitioners (National Theatre) create an experience that positions the viewer in an immersive first hand account of one migrant’s journey from the Sudan to the Calais Jungle camp. 6 x 9 was produced by Guardian journalists and places the viewer into a harrowingly realistic and challenging experience of a US solitary confinement cell. The final example, Draw Me Close, (National Theatre and the National Film Board of Canada) is a complex and experimental piece of virtual theatre that examines grief, loss and bereavement. To describe the close engagement required for the study of these four examples we propose a ‘virtual-reality ethnography’ methodology and evolve an initial framework of attention through which to engage with and research the emergent complex experiences being conceived and delivered through VR and 360-degree film-making and experience design.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».