Bernardo Autonomous Emotional Agents Increase Perception of VR Stimuli
Notice bibliographique
Résumé
Video games are high emotional vectors. They play with the emotions of players by eliciting and increasing them. The importance of the induction of basic emotions has been a long forestay and is favoured by video game publishers, as they are quite easily mobilized. Video game publishers look to produce more complex social emotions like empathy, and compassion. In games framework with narrative context, designers frequently use cinema movies methods, like cinematic non-interactive Cutscenes. These methods temporarily exclude the player from interactivity to leave his first viewpoint view and move the camera focusing on the narrative stimuli. Cutscenes were used abundantly and are now rejected, the new development wave is often trying to develop in a “zero cinematic” way. For the same reason, cinematics are also not usable in new Virtual Reality. If VR games and simulations provides a high level of presence, VR environments needs certain rules related in particular to the continuation of free will and the avoidance of possible Break in Presence. We propose in this paper a concept of Emotionally Intelligent Virtual Avatars, which when they perceive an important narrative stimulus, share their emotions through, gestures, facial nonverbal expressions, and declarative sentences to stimulate the player's attention. This will lead players to focus on the narrative stimuli. Our research studies the impact of the use of Bernardo Agents Emotional Avatars involving n = 51 users. The statistical analysis of the results shows a significant difference in the narrative perception of the stimuli and in Presence, correlated to the use of Agents Bernardo. Overall, our emotional Agent Bernardo is a unique concept for increasing the perception of narrative stimuli in virtual environments using HMD, and may be useful in all virtual environments using an emotional narrative process.
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 | 0,000 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».