Effects on Mood and EEG States After Meditation in Augmented Reality With and Without Adjunctive Neurofeedback
Notice bibliographique
Résumé
Research and design of virtual reality technologies with mental-health focused applications has increased dramatically in recent years. However, the applications and psychological outcomes of augmented reality (AR) technologies still remain to be widely explored and evaluated. This is particularly true for the use of AR for the self-management of stress, anxiety, and mood. In the current study, we examined the impact of a brief open heart meditation AR experience on participants with moderate levels of anxiety and/or depression. Using a randomized between-group design subjects participated in the AR experience or the AR experience plus frontal gamma asymmetry neurofeedback integrated into the experience. Self-reported mood state and resting-state EEG were recorded before and after the AR intervention for both groups. Participants also reported on engagement and perceived use of the experience as a stress and coping tool. EEG activity was analyzed as a function of the frontal, midline, and parietal scalp regions, and with sLORETA current source density estimates of anterior cingulate and insular cortical regions of interest. Results demonstrated that both versions of the AR meditation significantly reduced negative mood and increased positive mood. The changes in resting state EEG were also comparable between groups, with some trending differences observed, in line with existing research on open heart and other loving-kindness and compassion-based meditations. Engagement was favorable for both versions of the AR experience, with higher levels of engagement reported with the addition of neurofeedback. These results provide early support for the therapeutic potential of AR-integrated meditations as a tool for the self-regulation of mood and emotion, and sets the stage for more research and development into health and wellness-promoting AR applications.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».