The Visually Induced Motion Sickness Susceptibility Questionnaire (VIMSSQ): Estimating Individual Susceptibility to Motion Sickness-Like Symptoms When Using Visual Devices
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
Objective Two studies were conducted to develop and validate a questionnaire to estimate individual susceptibility to visually induced motion sickness (VIMS). Background VIMS is a common side-effect when watching dynamic visual content from various sources, such as virtual reality, movie theaters, or smartphones. A reliable questionnaire predicting individual susceptibility to VIMS is currently missing. The aim was to fill this gap by introducing the Visually Induced Motion Sickness Susceptibility Questionnaire (VIMSSQ). Methods A survey and an experimental study were conducted. Survey: The VIMSSQ investigated the frequency of nausea, headache, dizziness, fatigue, and eyestrain when using different visual devices. Data were collected from a survey of 322 participants for the VIMSSQ and other related phenomena such as migraine. Experimental study: 23 participants were exposed to a VIMS-inducing visual stimulus. Participants filled out the VIMSSQ together with other questionnaires and rated their level of VIMS using the Simulator Sickness Questionnaire (SSQ). Results Survey: The most prominent symptom when using visual devices was eyestrain, and females reported more VIMS than males. A one-factor solution with good scale reliability was found for the VIMSSQ. Experimental study: Regression analyses suggested that the VIMSSQ can be useful in predicting VIMS ( R 2 = .34) as measured by the SSQ, particularly when combined with questions pertaining to the tendency to avoid visual displays and experience syncope ( R 2 = .59). Conclusion We generated normative data for the VIMSSQ and demonstrated its validity. Application The VIMSSQ can become a valuable tool to estimate one’s susceptibility to VIMS based on self-reports.
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 | 0,003 | 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 | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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