Seeing the Invisible: A VR Approach to Radiation Attenuation Visualization for Nuclear Engineering Laboratory Practices
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
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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