Efficacy of a Virtual Reality Biofeedback Game (DEEP) to Reduce Anxiety and Disruptive Classroom Behavior: Single-Case Study
Notice bibliographique
Résumé
BACKGROUND: Many adolescents in special education are affected by anxiety in addition to their behavioral problems. Anxiety leads to substantial long-term problems and may underlie disruptive behaviors in the classroom as a result of the individual's inability to tolerate anxiety-provoking situations. Thus, interventions in special needs schools that help adolescents cope with anxiety and, in turn, diminish disruptive classroom behaviors are needed. OBJECTIVE: This study aimed to evaluate the effect of a virtual reality biofeedback game, DEEP, on daily levels of state-anxiety and disruptive classroom behavior in a clinical sample. In addition, the study also aimed to examine the duration of the calm or relaxed state after playing DEEP. METHODS: A total of 8 adolescents attending a special secondary school for students with behavioral and psychiatric problems participated in a single-case experimental ABAB study. Over a 4-week period, participants completed 6 DEEP sessions. In addition, momentary assessments (ie, 3 times a day) of self-reported state-anxiety and teacher-reported classroom behavior were collected throughout all A and B phases. RESULTS: From analyzing the individual profiles, it was found that 6 participants showed reductions in anxiety, and 5 participants showed reductions in disruptive classroom behaviors after the introduction of DEEP. On a group level, results showed a small but significant reduction of anxiety (d=-0.29) and a small, nonsignificant reduction of disruptive classroom behavior (d=-0.16) on days when participants played DEEP. Moreover, it was found that the calm or relaxed state of participants after playing DEEP lasted for about 2 hours on average. CONCLUSIONS: This study demonstrates the potential of the game, DEEP, as an intervention for anxiety and disruptive classroom behavior in a special school setting. Future research is needed to fully optimize and personalize DEEP as an intervention for the heterogeneous special school population.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».