Notice bibliographique
Résumé
The purpose of this dissertation is to investigate the effect of using Virtual Reality (VR) technology on the students' experience in science education, particularly for interaction, learning, and accessibility. Science, Technology, Engineering, and Math (STEM) education has special requirements such as lab-based activities and abstract concepts that complicate setting up the environment and learning process. These complications are increased due to the pandemic and other remote access requirements. VR has unique affordances that make it a promising solution but its use in this regard has not been properly investigated and there are many open research questions related to its effect on interaction, learning, and accessibility in STEM education. Focusing on these three aspects, we ran a series of quantitative and qualitative studies to find out if the use of VR in science labs leads to an increased level of learning, efficiency, and accuracy of the tasks (measured by pre-post knowledge tests and the in-app data collection system). The Immersive/head-mounted VR (IVR) was compared to Desktop VR (DVR) and 2D/text-based conditions. Results indicated a significant difference in some areas particularly related to post-knowledge score, spatial skills, and learnability between 2D and VR conditions. Task completion rate, efficiency, and accuracy also indicated a significant difference between IVR and DVR groups, showing IVR performing better. The qualitative evaluation included an analysis of students' experiences with the use of VR and their perspective on its application for education. The result indicated that in areas such as ease of use, learnability, engagement, and overall satisfaction they preferred VR treatment better compared to 2D/ Text as they found the use of VR to be beneficial to their learning. Our studies also showed the efficacy of software-based accessibility features that improved interaction and learning for wheelchair users. We concluded that the implementation of a virtual environment for STEM education requires careful considerations in the design and implementation to make it technically practical to run on mobile Head Mounted Displays (HMD), be relevant based on established learning theories, minimize the effect of cybersickness, and be accessible for a wider range of audience.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 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 ».