The Emergence of Metaverse Technologies and Their Implementation Across Various Industries
Notice bibliographique
Résumé
<p>The metaverse is the latest buzzword from the technology domain as it promises to transform the ways in which people work, learn, shop, socialize, and entertain themselves. The announcement made by Meta founder Mark Zuckerberg to focus on developing the metaverse has given fresh momentum to a phenomenon that received relatively little attention during the past three decades. Various technologies that support the Metaverse have already been developed, while others are currently in the development stage, for example, virtual reality, augmented reality, the Internet of Things, blockchain, and big data. However, this scoping review aims to present a comprehensive overview of the current state of research on the metaverse, including the degree to which researchersand industry expertsarefocusingonitsmultipleaspects, notonly thetechnology and infrastructure but the economic and social factors as well. A total of eight themes have been identified as a result of the scoping review and thematic analysis. This report discusses these themes individually and in relation to one another to determine the general focus of research on this topic and identify areas where more attention needs to be paid. It is expected that by considering the recommendations presented in this report, the industry will be able to achieve balanced and sustained growth of the metaverse while avoiding some of the pitfalls that have been experienced in earlier decades due to misplaced enthusiasm and exaggerated claims about the potential of disruptive and novel technologies.</p>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».