Augmented Reality Education Experience (AREduX): An Augmented Reality Experience and Experiential Education Medium to Teach Empathy to Healthcare Providers and Caregivers of Persons Living With Dementia
Notice bibliographique
Résumé
Previous research indicates that greater empathy by healthcare providers (HCPs) and informal caregivers leads to better care and improved patient satisfaction and outcomes for persons living with dementia (PLWD). Since few programs exist to train HCPs to develop empathy, we created the augmented reality education experience (AREduX), a proof-of-concept prototype that employs augmented reality (AR) to simulate the physical and cognitive symptoms that PLWD experience. This unique experience simulates the effects of dementia for training purposes with the goal of promoting more empathetic responses from HCPs and informal caregivers when attending to a PLWD. This technical report provides an overview of the five phases of the research program, conceptualization, development and design, usability testing and prototype updating, testing of refined prototype including measuring participants' empathy pre/post interaction with the AREduX, and analysis and dissemination of results, but focuses on Phase 2, development and design. We believe that the AREduX will substantially contribute to the scientific literature on the development of empathy, address the knowledge gap that exists regarding evidence-based understanding of empathy as a construct, and contribute to further recommendations aligned with implementing AR as an experiential education method to enhance empathy among HCPs and caregivers of PLWD.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».