MétaCan
Menu
Retour à la cohorte
Enregistrement W4390989028 · doi:10.5267/j.ijdns.2023.11.011

Virtual reality socialization groups on Facebook: A new frontier for children with social anxiety disorder

2024· article· en· W4390989028 sur OpenAlexvenueno aff
Hussein Alsrehan, Rakan Alhrahsheh, Shirin S. AlOdwan, Khaled Khamis Nser, Saddam Rateb Darawsheh, Mohamad Ahmad Saleem Khasawneh, Mona Zayed Sayed Owis

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesKing Khalid UniversityUtah Agricultural Experiment Station
Mots-clésSadnessSocializationPsychologyPsychological interventionSocial anxietyAnxietyIntervention (counseling)Virtual realityVariety (cybernetics)FrontierSocial mediaDevelopmental psychologyClinical psychologySocial psychologyPolitical scienceAngerComputer sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

As a potential treatment intervention for youngsters with Social Anxiety Disorder (SAD) in UAE, this study aims to investigate the use of virtual reality socialization groups on the widely used social media platform Facebook. The purpose of this research is to examine how social anxiety, sadness, and anxiety symptoms change after receiving treatment. The quantitative approach used in the study yields very small impact sizes. No discernible differences emerged, however, between the test and control groups at the statistical level. It investigates how cultural factors, including the unique social norms and expectations in UAE, play a crucial role in determining the success of interventions. Specifically adapted virtual reality therapies for various cultural settings are emphasized. In addition, it highlights the importance of understanding the therapeutic implications of small effect sizes. Prospective research directions are explored in this article; special attention is paid to the development of ever-better technologically-driven treatments across a variety of cultural settings.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,415
Écart entre enseignants0,362 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetDigital Mental Health InterventionsTravaux en français237 207