Employing Immersive Technologies To Develop Fitness-Related Outcomes In Children And Youth: A Scoping Review
Notice bibliographique
Résumé
Technologies that immerse users in virtual and augmented realities are becoming more common in physical activity and sport settings. Immersive technologies may be an effective tool for developing fitness-related outcomes in children and youth. Purpose: To compile peer-reviewed empirical articles and report on the effectiveness of immersive technologies in developing fitness-related outcomes in children and youth. Methods: Education resources information centre (ERIC), SPORTDiscus, and Child Development & Adolescent Studies databases were searched using keywords for immersive technologies (i.e., augmented reality, virtual reality) and the outcomes of interest (i.e., skill- and health-related components of fitness, physical activity, exercise). Pertinent information from the relevant articles (e.g., study design, findings) was charted and emerging themes were summarized. Results: The database search yielded 19 relevant articles. 15 reported positive effects of immersive technologies on fitness-related outcomes and four articles reported no effect. Charting of these articles revealed considerable variability in the technologies considered to be immersive. Many of the articles used low- or non-immersive technologies such as Xbox Kinect and Nintendo Wii as interventions. Charting also revealed frequent use of immersive technologies in developing skill-related components of fitness in children and youth with motor and cognitive impairments. Articles that studied non-impaired children and youth most often evaluated the effectiveness of immersive technologies in improving daily physical activity behaviours. Charting further revealed a paucity of, and considerable need for research on whether immersive technologies are effective in developing skill-related components of fitness in non-impaired children. Conclusions: Immersive technologies can be effective in developing fitness-related outcomes in children and youth; however, more research is required to evaluate the effectiveness of high and full immersion technologies in developing skill-related components of fitness in non-impaired children and youth.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».