Bernardo Autonomous Emotional Agents Increase Perception of VR Stimuli
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle