Understanding public perceptions of virtual reality psychological therapy: development of the attitudes towards virtual reality therapy (AVRT) Scale (Preprint)
Notice bibliographique
Résumé
BACKGROUND: Virtual reality (VR) psychological therapy has the potential to increase access to evidence-based mental health interventions by automating their delivery while maintaining outcomes. However, it is unclear whether these more automated therapies are acceptable to potential users of mental health services. OBJECTIVE: The main aim of this study was to develop a new, validated questionnaire to measure public perceptions of VR therapy (VRT) guided by a virtual coach. We also aimed to explore these perceptions in depth and test how aspects such as familiarity with VR and mental health are associated with these perceptions, using both quantitative and qualitative approaches. METHODS: We used a cross-sectional mixed methods design and conducted an exploratory factor analysis of a questionnaire that we developed, the Attitudes Towards Virtual Reality Therapy (AVRT) Scale, and a qualitative content analysis of the data collected through free-text responses during completion of the questionnaire. RESULTS: We received 295 responses and identified 4 factors within the AVRT Scale, including attitudes toward VRT, expectation of presence, preference for VRT, and cost-effectiveness. We found that being more familiar with VR was correlated with more positive attitudes toward VRT (factor 1), a higher expectation of presence (factor 2), a preference for VRT over face-to-face therapy (factor 3), and a belief that VRT is cost-effective (factor 4). Qualitative data supported the factors we identified and indicated that VRT is acceptable when delivered at home and guided by a virtual coach. CONCLUSIONS: This study is the first to validate a scale to explore attitudes toward VRT guided by a virtual coach. Our findings indicate that people are willing to try VRT, particularly because it offers increased access and choice, and that as VR becomes ubiquitous, they will also have positive attitudes toward VRT. Future research should further validate the AVRT Scale.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».