Developing immersive videos to train social cognition in individuals with schizophrenia in forensic psychiatry
Notice bibliographique
Résumé
Purpose This study aims to develop immersive scenarios (immersive videos) to foster generalization of learning while addressing social cognition, a factor associated to violence in schizophrenia. The authors sought to develop immersive videos that generate a sense of presence; are socially realistic; and can be misinterpreted and, if so, lead to anger. Design/methodology/approach A multiphase mixed method was used to develop and validate the immersive scenarios. The development phase consisted of preliminary interviews and co-design workshops with patients (n = 7) and mental health practitioners (n = 7). The validation phase was conducted with patients (n = 7) and individuals without mental disorders (n = 7). Findings The development phase led to the creation of five scenarios (S1, S2, S3, S4, S5); they included social cues which could lead to self-referential and intentional biases. Results of the validation phase showed that all scenarios generated a sense of presence and were considered highly realistic. Three scenarios elicited biases and, consequently, moderate levels of anger (annoyance). Practical implications Immersive videos represent a relevant and accessible technological solution to address social-cognitive domains such as self-reference bias. Originality/value No intervention using immersive technologies had been developed or studied yet for individuals with schizophrenia at risk of violence in secure settings. This project demonstrated the feasibility of creating immersive videos which have relevant attributes to foster generalization of learning in the remediation of social-cognitive deficits.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».