Mersivity: XRSC (eXtended Reality Spatial Computing) for Health, Well-Being, and Accessibility (Preprint)
Notice bibliographique
Résumé
UNSTRUCTURED This paper provides an overview of Mersivity, also known as Vironmentalism or XRSC (eXtended Reality Spatial Computing) with applications in health, well-being, and accessibility. There is a growing interest in technologies that are ’mersive (immersive, submersive, or supermersive), i.e. technologies that encapsulate or enclose or surround us. Examples include “wearables”, immersive VR (Virtual Reality), and electric vehicles such as self-driving cars, vessels, and personal aircraft (ABC = Aircraft, Boats, Cars). It is widely agreed that there is a risk or danger of asymmetry of immersive technologies that can separate us, harmfully, from our surroundings. In order to support human health, well-being, and accessibility, it is essential that we can ’merse any of these technologies that ’merse us. If one can’t go for a hike in the forest or along the beach (and maybe go for a swim as well) with the technologies that claim to help us, then those technologies are actually harming us. Thus an important element of Mersivity is a connection to the physical world = the world of “atoms” = nature = the environment = sustainability = our surroundings. Mersivity therefore is at the nexus of the physical (nature/sustainability/environment), virtual, and social worlds. In this paper we provide a historical perspective on XR+SC, from the early spatial computers of the 1970s, the introduction of XR=eXtended Reality in 1991, and leading up to the latest trends such as the “Freehicle” = vehicle of freedom for those with disabilities. See Fig 1.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,121 | 0,040 |
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 ».