MétaCan
Menu
Retour à la cohorte
Enregistrement W3007378934 · doi:10.5539/jpl.v13n1p75

Virtual Reality: General Issues of Legal Regulation

2020· article· en· W3007378934 sur OpenAlexvenueno aff
Роман Дремлюга, Olga Dremliuga, Andrei Iakovenko

Notice bibliographique

RevueJournal of Politics and Law · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesFar Eastern Federal University
Mots-clésCyberspaceVirtual realityEntertainmentPerspective (graphical)Field (mathematics)Emerging technologiesComputer scienceEngineering ethicsThe InternetHuman–computer interactionPolitical scienceEngineeringLawWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The article focuses on the general issues of legal regulation of relations that emerge in the field of application of VR technologies and presents issues associated with the regulation of development of such technologies. It looks at the features of this technology that create challenges for the development of a system of legal regulation of its application. The article also gives a perspective at major factors that make application of the existing law difficult and offers analysis of the emerging issues of its regulation. The author arrives at a conclusion that this technology is fundamentally different from the other existing technologies as it combines the properties of both physical reality and cyberspace. Among the challenges of the legal regulation of VR are a high realism, complete immersion user experience, and low cyber protection of both hardware and software components. The author evaluates several regulatory approaches, which could be used in the case of virtual reality and finds that all of them have major deficiencies. Contemporary research findings in secure application of VR in the fields of teaching and entertainment get rapidly outdated as they cannot catch up with the technology development, therefore they can only serve as a ground for the development of a system of VR regulation with consideration of this factor.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,169

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,306
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207