Using Augmented Reality to Motivate Oral Hygiene Practice in Children: Protocol for the Development of a Serious Game
Notice bibliographique
Résumé
BACKGROUND: New technologies create possible new ways of action, interaction, and learning which is extremely relevant in the field of oral health education. There is a lack of protocol in using an immersive interactive ludic-educational interface to motivate oral hygiene practice in children by means of augmented reality. OBJECTIVE: This study aims to present a protocol on the development of a serious game to motivate oral hygiene practice in children. METHODS: A serious game will be designed by augmented reality techniques to improve toothbrushing effectiveness of children aged 6 to 10 years. The functional structure of this interface is activated by means of movements recognized by Kinect (Microsoft Corp). The toothbrushing technique will be available in the game, enabling the children to execute the movement in the virtual environment. By identifying errors, this game will be tailored to improve the oral health of children by correcting the technique and teaching the user the adequate toothbrushing method. A template analysis will be performed to identify barriers and facilitators in each scenario. RESULTS: After the implementation of the virtual interactive and immersive panels, enrollment will begin and evaluations will be made by means of questionnaires distributed to participants who interact with the game. Thus, an analysis of the product efficacy will be conducted. The expected outcome will be to obtain a digital instrument to motivate oral hygiene practice and enhance health awareness in children. CONCLUSIONS: The serious game will support the prevention of oral diseases by sharing scientific research in the school environment and community. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/10987.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».