MétaCan
Menu
Retour à la cohorte
Enregistrement W4361829742 · doi:10.1109/ccip57447.2022.10058642

Efficacious Opportunities and Implications of Virtual Reality Features and Techniques

2022· article· en· W4361829742 sur OpenAlexaff
B Nithva, V Asha, Kundan Kumar, Jitendra Giri

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésVirtual realityMixed realityArtificial realityComputer-mediated realityAugmented realityHuman–computer interactionComputer scienceImmersion (mathematics)EntertainmentVisualizationInstructional simulationMetaverseVirtual worldCave automatic virtual environmentMultimediaArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Virtual Reality (VR) is a computer-generated environment that allows the user to interact with the environment virtually. It provides visualization to feel the virtual environment similar to the real world. Augmented reality, virtual reality, and mixed reality are commonly used in extended reality. Virtual reality is completely based on technology, it acts as an intermediator between humans and the real world. There are various input and output devices that are used for generating a virtual reality environment. VR techniques are currently used in numerous fields like education, entertainment, gaming. Primarily, the paper has elaborated on Virtual Reality with its significance. The importance and need for virtual reality are conferred with its impact in the modern world. The framework of Virtual Reality and the steps leading to its development over the years has been elaborated. Various tools and techniques used in VR, the applications of VR in the current world and the implication of VR for the future are emphasized.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,008
Communication savante0,0070,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,051
Tête enseignante GPT0,301
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVirtual Reality Applications and ImpactsTravaux en français237 207