The Effectiveness of Self-Guided Virtual-Reality Exposure Therapy for Public-Speaking Anxiety
Notice bibliographique
Résumé
Objectives: Self-guided virtual-reality exposure therapy (VRET) is a psychological intervention that enables a person to increase their own exposure to perceived threat. Public-speaking anxiety (PSA) is an anxiety-provoking social situation that is characterized by fear of negative evaluation from an audience. This pilot study aimed to determine whether self-guided VRET (1) increases exposure to PSA-specific virtual social threats, and (2) reduces anxiety, arousal, heartrate and PSA over repeated exposure. Methods: Thirty-two University students (27 completers) with high self-reported public-speaking anxiety attended 2 weekly self-guided VRET sessions. Each session involved the participant delivering a 20-min speech in a virtual classroom. Participants were able to increase their exposure to virtual social threat through the audience size, audience reaction, number of speech prompts, and their own salience in the virtual classroom at 4-min intervals. Participants' heartrates and self-reported anxiety and arousal were monitored during these intervals. Participants completed psychometric assessments after each session and 1 month later. Results: Participants increased their exposure to virtual social threat during each VRET session, which coincided with a reduction in heartrate and self-reported anxiety and arousal. Improvement in PSA occurred post-treatment and 1 month later. The in-session improvement in anxiety correlated with reductions in fear of negative evaluation post-treatment and 1 month later. Conclusions: Increased self-exposure to virtual social threat from self-guided VRET relieves anxiety and shows immediate reductions in subjective and physiological arousal during application, but also yields sustained improvement in PSA.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».