Assessing Smart Glasses-based Foodservice Training: An Embodied Learning Theory Approach
Notice bibliographique
Résumé
The present study evaluated simulated, hands on foodservice training delivered through smart glasses compared to passive, strictly video-based training. Handwashing performance variables, including frequency and efficacy, were measured along with post-training reactions. Participants in the strictly video-based group (N = 24) were four times more likely to wash hands than the smart glasses group (N = 25), (95% CI: 1.129 - 14.175). This research highlights how simulation training of handwashing with smart glasses can result in poorer learning outcomes compared to traditional training methods, potentially due to the psychological effects of hand cleansing. The observed training outcomes may also show the need to improve smart glasses-based training by finding ways to decrease attention demands and implementing augmented reality intelligence systems that can enforce training outcomes. Future research should utilize longitudinal studies to determine the impact of smart glasses-based training on food safety behavior habit formation. La présente étude a évalué une formation en service alimentaire active et appliquée, livrée par l’entremise de lunettes intelligentes, comparativement à une formation passive strictement basée sur la vidéo. Des variables de rendement relatives au lavage des mains ont été mesurées, y compris la fréquence et l’efficacité. Les participants du groupe dont la formation était strictement basée sur la vidéo (N = 24) étaient quatre fois plus susceptibles de se laver les mains que les participants du groupe aux lunettes intelligentes (N = 25), (95 % IC : 1,129 – 14,175). Les résultats soulignent que la formation par lunettes intelligentes dans laquelle les participants s’exercent à se laver les mains peut entraîner de moins bons résultats d’apprentissage que les méthodes de formation traditionnelles. Cela peut être dû à : a) la nature du contenu pédagogique, dans lequel la mémoire prospective intervient, comparativement à des études préalables avec l’apprentissage incarné et les lunettes intelligentes, qui ont évalué la mémoire rétrospective et les fonctions motrices, ou b) aux effets psychologiques sur la mémoire dont le groupe aux lunettes intelligentes aurait fait l’expérience durant la formation. Des études futures pourraient explorer l’effet de la formation par simulation à l’aide de lunettes intelligentes sur d’autres tâches de service alimentaire.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».