Improving Emergency Training for Earthquakes through Immersive Virtual Environments and Anxiety Tests: A Case Study
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
Because of the occurrence of severe and large magnitude earthquakes each year, earthquake-prone countries suffer considerable financial damages and loss of life. Teaching essential safety measures will lead to a generation that can perform basic procedures during an earthquake, which is an essential and effective solution in preventing the loss of life in this natural disaster. In recent years, Virtual Reality (VR) technology has been a tool used to educate people on safety matters. This paper evaluates the effect of education and premonition on the incorrect decision-making of residents under the stressful conditions of an earthquake. For this purpose, a virtual model has been designed and modeled based on a proposed classroom in a school in the city of Tehran to simulate a virtual learning experience. In contrast, the classroom represents a realistic method of learning. Accordingly, each educational scenario, presented in reality and the virtual model, respectively, was conducted on a statistical sample of 20 students within the range of 20 to 25 years of age. Among the mentioned sample, the first group of 10 students was taught safety measures in a physical classroom. The second group of 10 students participated in a virtual classroom. Evaluation tests on safety measures against earthquakes were distributed after two weeks. Two self-reporting tests of Depression, Anxiety, Stress Scale (DASS) and Beck Anxiety Inventory (BAI) tests were assigned to the second group to evaluate the effect of foresight under two different scenarios. The results indicate that teaching through VR technology yields a higher performance level than the in-person education approach. Additionally, the ability to detect earthquakes ahead is an influential factor in controlling anxiety and determining the right decisions should the event occur.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 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