The Influence of Immersion on Situational Awareness in a Virtual Environment
Notice bibliographique
Résumé
Abstract Researchers have pointed out the need to find an alternative to subjective questionnaires to measure presence in a virtual environment. Situational awareness has been proposed to objectively measure the concept of presence. However, the link between situational awareness and specific factors of presence has not been established. To study this relationship, 60 participants executed a driving task in a virtual environment under different visual conditions while we measured their situational awareness with the situational awareness global assessment technique (SAGAT), and their presence with the presence questionnaire (PQ). During the driving task, we objectively and meaningfully manipulated immersion, a factor of presence, by varying our participants' contrast sensitivity, size of the field of view, and visual acuity. The meaningful manipulation of presence also allowed us to evaluate the functional thresholds of the three aforementioned visual qualities for a driving task, which were previously measured from a multidirectional selection test. Our results indicated a significant positive correlation between SAGAT and PQ. They also showed that SAGAT was sensitive to an immersion's degradation and brought a good diagnosticity on the effect of an immersion's manipulation. Consequently, we conclude that it could represent an objective alternative to subjective questionnaires to measure presence in a virtual environment. Moreover, our assessment of the functional thresholds allowed us to confirm that they were context dependent. Our results indicated that only the contrast sensitivity functional threshold was valid in both a multidirectional selection test and a driving task.
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 | 0,010 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».