MétaCan
Menu
Retour à la cohorte
Enregistrement W4399126721 · doi:10.1109/vrw62533.2024.00018

Democratizing a Large Over Ground Virtual Suite (Logvs) Involving Human Interaction for Rehabilitation Sciences and Practice

2024· article· en· W4399126721 sur OpenAlexaff
Bradford J. McFadyen, Andréanne K. Blanchette, Krista L. Best, Jonathan Caron-Roberqe, Joris Boulo, Logvs Team

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensCentre for Interdisciplinary Research in RehabilitationUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSuiteVirtual realityHuman–computer interactionContext (archaeology)Computer scienceRehabilitationVirtual machinePsychology

Résumé

récupéré en direct d'OpenAlex

Virtual environments (VE) used within rehabilitation-based virtual reality (VR) platforms often limit their social environmental context and the ability to move naturally within the VE. This technical note presents an evolving VR platform offering virtual human pedestrian (VP) interaction and highlights specific developments underway and future directions for use in research and practice. The platform called the Large Over Ground Virtual Suite or Logvsuses affordable, mobile VR technology involving a VE with multimodal navigation options (biped and wheeled locomotion) while manipulating VP characteristics (e.g., emotions, expressions, physical interactions). The overall goal of the evolving platform is to democratically enhance interdisciplinary study, assessment, and training of different aspects of social interaction (social cognition, mobility, multiple sensory-motor interactions) to cater to rehabilitation research and clinical needs more effectively. In addition to detailing the platform and examples of current uses and developments, this work serves to also comment on the need for greater sharing of immersive technology resources across the rehabilitation sciences community.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0040,004
Science ouverte0,0010,009
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,390
Écart entre enseignants0,344 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVirtual Reality Applications and ImpactsTravaux en français237 207