The Relationship between Immersion and Psychophysiological Indicators
Notice bibliographique
Résumé
Abstract Psychophysiological indicators have garnered significant interest in the assessment of presence. However, despite this interest, the nature of the relationship between psychophysiological indicators and presence factors remains undetermined. Presence, the perceived realness of a mediated or virtual experience, is modulated by two factors: immersion and coherence. Immersion represents the extent and precision of the simulated sensory modalities, while coherence refers to the environment's ability to behave as expected by the user. To study the relationship between psychophysiological indicators and presence factors, we objectively manipulated immersion by altering three visual qualities. The visual qualities were set to values above, at, or below their functional threshold. These thresholds are defined as a perceptual boundary under which a sensory quality value should be considered functionally degraded. Sixty participants performed a driving task in a virtual environment under the aforementioned conditions, while we measured their cardiovascular and eye responses. We found that degraded immersion conditions yielded significantly different psychophysiological indicator results than the condition without degradation. However, we observed an effect of immersion degradation on our measured variables only when the visual conditions were set below the functional threshold. Manipulations of immersion below the functional threshold introduced unreasonable circumstances which modified our participants' behavior. Thus, our findings suggest a direct impact of immersion on coherence and highlight the sensitivity of psychophysiological indicators to the coherence of a virtual environment. These results have theoretical implications, as a presence concepts relationship model should include the direct impact of immersion on coherence.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,011 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».