Educational applications of metaverse: possibilities and limitations
Notice bibliographique
Résumé
This review aims to define the 4 types of the metaverse and to explain the potential and limitations of its educational applications. The metaverse roadmap categorizes the metaverse into 4 types: augmented reality, lifelogging, mirror world, and virtual reality. An example of the application of augmented reality in medical education would be an augmented reality T-shirt that allows students to examine the inside of the human body as an anatomy lab. Furthermore, a research team in a hospital in Seoul developed a spinal surgery platform that applied augmented reality technology. The potential of the metaverse as a new educational environment is suggested to be as follows: a space for new social communication; a higher degree of freedom to create and share; and the provision of new experiences and high immersion through virtualization. Some of its limitations may be weaker social connections and the possibility of privacy impingement; the commission of various crimes due to the virtual space and anonymity of the metaverse; and maladaptation to the real world for students whose identity has not been established. The metaverse is predicted to change our daily life and economy beyond the realm of games and entertainment. The metaverse has infinite potential as a new social communication space. The following future tasks are suggested for the educational use of the metaverse: first, teachers should carefully analyze how students understand the metaverse; second, teachers should design classes for students to solve problems or perform projects cooperatively and creatively; third, educational metaverse platforms should be developed that prevent misuse of student data.
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».