A Systematic Review of Virtual Reality Features for Skill Training
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The evolving complexity of Virtual Reality (VR) technologies necessitates an in-depth investigation of the VR features and their specific utility. Although VR is utilized across various skill-training applications, its successful deployment depends on both technical maturity and context-specific suitability. A comprehensive understanding of advanced VR features, both technical and experiential, their prospective impact on designated learning outcomes, and the application of appropriate assessment methodologies is essential for the effective utilization of VR technologies. This systematic literature review explored the inherent associations between various VR features employed in professional training environments and their impact on learning outcomes. Furthermore, this review scrutinizes the assessment techniques employed to gauge the effects of VR applications in various learning scenarios. The Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) method was used to systematically select 50 empirical VR studies sourced from three (03) academic databases. The analysis of these articles revealed complex, context-dependent relationships between VR features and their impact on professional training, with a pronounced emphasis on skill-based learning outcomes over cognitive and affective ones. This review also highlights the predominantly subjective nature of the assessment methods used to measure the effects of VR training. Additionally, the findings call for further empirical exploration in novel skill training contexts encompassing cognitive and affective learning outcomes, as well as other potential external factors that may influence learning outcomes in VR.
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découle