Seeing the Invisible: A VR Approach to Radiation Attenuation Visualization for Nuclear Engineering Laboratory Practices
Notice bibliographique
Résumé
The principle of “As Low As Reasonably Achievable” or ALARA is taught through laboratory practices composed of lectures and simulations to maintain the radiation exposure at a minimum. Hands-on practices are limited due to the health risks associated with radioactive exposure, leading to the development of virtual, augmented, and mixed reality simulations that pose no harm to trainees. This article presents the development of a virtual reality (VR) model for attenuating radiation visualization during runtime, employing numerical simulation with VR. Our attenuation model responds dynamically to the environment and does not rely on precalculated radiation fields as other works in the literature. Our approach also includes game elements to enhance the laboratory experience. Our goal is to understand the effects of the virtual environments on usability, engagement, completion time, and radiation dose exposure. Preliminary results indicate that the gamified version was found more engaging as participants felt more competent, less frustrated, and more immersed; it was also perceived as more usable with a SUS score of 81.87/100 in comparison to the nongamified with a SUS score of 58.12/100. Participants were faster when completing the nongamified version with an average of 103.28 ± SD 41.26 s in comparison to 175.31 ± SD 91.16 s with the gamified version. Finally, participants received 2.11 mSv less dose exposure with the nongamified version. We believe that practicing the ALARA principle in VR can offer insights on how trainees approach and work around radiation sources, as not necessarily the faster completion results in less exposure.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».