The Use of Virtual Reality to Influence Motivation, Affect, Enjoyment, and Engagement During Exercise: A Scoping Review
Notice bibliographique
Résumé
Many adults are physically inactive. While the reasons are complex, inactivity is, in part, influenced by the presence of negative feelings and low enjoyment during exercise. While virtual reality (VR) has been proposed as a way to improve engagement with exercise (e.g., choosing to undertake exercise), how VR is currently used to influence experiences during exercise is largely unknown. Here we aimed to summarize the existing literature evaluating the use of VR to influence motivation, affect, enjoyment, and engagement during exercise. A Population (clinical, and healthy), Concept (the extent and nature of research about VR in exercise, including underpinning theories), and Context (any setting, demographic, social context) framework was used. A systematic search of Medline, Scopus, Embase, PsycINFO, and Google Scholar was completed by two independent reviewers. Of 970 studies identified, 25 unique studies were included ( n = 994 participants), with most (68%) evaluating VR influences on motivation, affect, enjoyment, and engagement during exercise in healthy populations ( n = 8 studies evaluating clinical populations). Two VR strategies were prominent – the use of immersion and the use of virtual avatars and agents/trainers. All studies but one used virtual agents/trainers, suggesting that we know little about the influence of virtual avatars on experiences during exercise. Generally, highly immersive VR had more beneficial effects than low immersive VR or exercise without VR. The interaction between VR strategy and the specific exercise outcome appeared important (e.g., virtual avatars/agents were more influential in positively changing motivation and engagement during exercise, whereas immersion more positively influenced enjoyment during exercise). Presently, the knowledge base is insufficient to provide definitive recommendations for use of specific VR strategies to target specific exercise outcomes, particularly given the numerous null findings. Regardless, these preliminary findings support the idea that VR may influence experiences during exercise via multiple mechanistic pathways. Understanding these underlying mechanisms may be important to heighten effects targeted to specific exercise outcomes during exercise. Future research requires purposeful integration of exercise-relevant theories into VR investigation, and careful consideration of VR definitions (including delineation between virtual avatars and virtual agents), software possibilities, and nuanced extension to clinical populations.
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 | 0,008 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».