Notice bibliographique
Résumé
This paper examines the potential social risks of the metaverse. Previous research has found that video games, including Virtual Reality (VR) ones, can be associated with violence normalization and objectification of women. Moreover, some studies have suggested that gaming platforms even serve as tools for extremist groups to recruit and radicalize vulnerable people. Nonetheless, these risks have not been further studied in the context of the metaverse. This research analyzed relevant cases from different gaming platforms including Meta Horizon Worlds. Moreover, the game VRChat was studied due to the similarities it has with the metaverse in terms of design and features. An evaluation of VRChat's user experience was carried out through an analysis of its most popular reviews. Though no signs of radicalization were found, an important number of these reviews expressed sentiments such as loneliness and depression, which make people more vulnerable to be radicalized. Additionally, a tendency for online harassment and sexual deviance was found in the game since 2018 and remained persistent to date. For further insight into the sexual misconduct findings, an interview was conducted with psychiatrist and sexuality expert, Dr. Zenteno. This research found that the game developers of VRChat have not done enough to address sexual misconduct effectively and protect its most vulnerable users. This research concluded that due to the lack of incentives that game developers have to regulate their platforms themselves for social good, further intervention of all the stakeholders involved is needed. This includes policymakers, parents, legal guardians, and educators.
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 | 0,002 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».