MétaCan
Menu
Retour à la cohorte
Enregistrement W4205701438 · doi:10.5539/cis.v15n1p47

VR Users Are More Relaxed and Optimistic during COVID Lockdown than Others

2022· article· en· W4205701438 sur OpenAlexvenueno aff
Erik Geslin, Erik Hammer

Notice bibliographique

RevueComputer and Information Science · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeadsetVirtual realityFeelingCoronavirus disease 2019 (COVID-19)Immersion (mathematics)Computer scienceHuman–computer interactionOptical head-mounted displayPeriod (music)Positive correlationApplied psychologyInternet privacyPsychologyArtificial intelligenceMedicineSocial psychologyAestheticsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Numerous studies have shown how the confinement period linked to the health situation of COVID-19 (SARS-CoV2) has been psychologically destructive for many people. These psychological disorders are generally linked to confinement and isolation. At the same time, virtual reality tools are becoming more popular, the level of immersion in cheap HMD (Head Mounted Display) helmets today allows access to a satisfactory level of presence. Our theory, widely supported by substantial literature, is that the regular use of immersive Virtual Reality during periods of confinement could allow users to better endure the psychological constraints. We observed the correlation between the weekly use of HMD Virtual Reality headsets, during the COVID-19 confinement period and the levels of well-being of users. Our study involved n = 56 participants divided into two groups of users and non-users of HMD headset. They answered 2 SWEMWBS and ONS questionnaires plus a social trust question. The results show a significant correlation between the use of virtual reality headset during COVID-19 lockdown and the level of relaxation and optimistic feeling but also a correlation between this use of VR (Virtual Reality) HMD and the feeling of being less close to others during the same period.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,603
Score d'incertitude au seuil0,914

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,005
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,253
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer and Information ScienceMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207