MétaCan
Menu
Retour à la cohorte
Enregistrement W4390946601 · doi:10.1007/s10055-023-00909-6

Testing the ‘differences in virtual and physical head pose’ and ‘subjective vertical conflict’ accounts of cybersickness

2024· article· en· W4390946601 sur OpenAlexaff
Stephen Palmisano, Lance Stephenson, Rodney G. Davies, Juno Kim, Robert S. Allison

Notice bibliographique

RevueVirtual Reality · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensYork University
Organismes subventionnairesAustralian Research CouncilUniversity of Wollongong
Mots-clésLagSimulator sicknessPhase lagComputer scienceVirtual realityHead (geology)PsychologySimulationArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract When we move our head while in virtual reality, display lag will generate differences in our virtual and physical head pose (known as DVP). While DVP are a major trigger for cybersickness, theories differ as to exactly how they constitute a provocative sensory conflict. Here, we test two competing theories: the subjective vertical conflict theory and the DVP hypothesis. Thirty-two HMD users made continuous, oscillatory head rotations in either pitch or yaw while viewing a large virtual room. Additional display lag was applied selectively to the simulation about the same, or an orthogonal, axis to the instructed head rotation (generating Yaw-Lag + Yaw-Move, Yaw-Lag + Pitch-Move, Pitch-Lag + Yaw-Move, and Pitch-Lag + Pitch-Move conditions). At the end of each trial: (1) participants rated their sickness severity and scene instability; and (2) their head tracking data were used to estimate DVP throughout the trial. Consistent with our DVP hypothesis, but contrary to subjective vertical conflict theory, Yaw-Lag + Yaw-Move conditions induced significant cybersickness, which was similar in magnitude to that in the Pitch-Lag + Pitch-Move conditions. When extra lag was added along the same axis as the instructed head movement, DVP was found to predict 73–76% of the variance in sickness severity (with measures of the spatial magnitude and the temporal dynamics of the DVP both contributing significantly). Ratings of scene instability were also found to predict sickness severity. Taken together, these findings suggest that: (1) cybersickness can be predicted from objective estimates of the DVP; and (2) provocative stimuli for this sickness can be identified from subjective reports of scene instability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,324
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVirtual RealityMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207