MétaCan
Menu
Retour à la cohorte
Enregistrement W4309735647 · doi:10.3389/feduc.2022.898071

Reducing fear of water and aquaphobia through 360 degree video use?

2022· article· en· W4309735647 sur OpenAlexaff
Lionel Roche, Ian Cunningham, Cathy Rolland, Régis Fayaubost, Sébastien Maire

Notice bibliographique

RevueFrontiers in Education · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésPsychologyCuriosityAnxietyApprehensionApplied psychologyExploratory researchSocial psychologyCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Drowning is a serious public health problem threat claiming the lives of 372,000 people each year worldwide that can be linked to an individual’s ability to swim. Learning to swim requires limited fear of water. This exploratory study investigated the potential interests of 360° video use for reducing fear and apprehension that underpin aquaphobia. Two students aged 11–12 years old who were non-swimmers with a reluctance to enter the water (i.e., a refusal and/or fear of immersion or to immerse only part of the face or the body in water) participated in qualitative interviews while viewing 360° video of an aquatic environment at progressively deeper levels through a head-mounted display (HMD). Three main findings were identified. First, the use of a 360° video viewed in an HMD led students to live an original corporeal immersive experience, a kind of immersion in the pool but experienced outside the pool. Second, students felt a strong emotional engagement between anxiety and curiosity from exploring the aquatic environment. Third, during the viewing situation, students developed and acquired accurate perceptive cues and knowledge related to the aquatic environment. The implications of these findings highlight the benefits of 360° video use as a tool to enhance greater confidence and familiarity with the aquatic environment to support learning and reduce phobia in non-swimmers. Limitations of the study and future research directions are discussed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil0,238

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,269
Écart entre enseignants0,240 · 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'étudeSans objet
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in EducationMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207