Examining the effectiveness of a police developed cardio-pulmonary resuscitation virtual reality training program
Notice bibliographique
Résumé
Abstract In 2020 the Saif Bin Zayed Academy for Security & Policing Sciences in the United Arab Emirates created a Police Virtual Training Centre, known as the Abu Dhabi Police Virtual Training Centre. Since their inception they have internally developed more than 12 virtual reality simulations. This includes a Cardio-Pulmonary Resuscitation (CPR) Virtual Reality (VR) Training Program. Delivered to both police officers and civilian employees the CPR VR replicates a realistic cardiac arrest incident. The purpose of this study is to evaluate the effectiveness of this VR simulation. This is achieved by using a quantitative survey methodology to test the knowledge acquired from two groups who received CPR training using VR and a second who received it using traditional classroom tuition. Results are compared inferential statistics and identified no significant difference in test outcomes, indicating the VR simulation is safe. In addition, we surveyed both groups regarding their views and perspectives of the training environment and we used the presence scale for virtual reality to test the degree of immersion, environmental fidelity and for negative impacts. Correlational analysis identified a strong link between the immersive nature of VR, and levels of engagement and realism. Negative effects of discomfort and disorientation were strongly correlated with one another but were not linked to the level of immersion. The findings are discussed in the context of potentially using VR to supplement or replace existing police CPR training, and the wider considerations regarding developing VR within policing.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».