Assessing the utility of a virtual reality arson crime scene investigation simulation
Notice bibliographique
Résumé
Abstract This study examines the utility of a virtual reality (VR) arson crime scene investigation simulation developed by the Abu Dhabi Police service. Utilizing qualitative interviews with participants from the Saif Bin Zayed Academy for Security and Policing Sciences, the study captures views of the VR training experience with an emphasis on learning effectiveness, engagement, skill acquisition, cost and time efficiency, and inclusivity and accessibility. The findings are discussed in the context of a theoretical framework provided by the technology acceptance model (TAM) and indicate high levels of engagement and immersion among the participants. Many expressed a preference for VR training over classroom training. Thus, the ‘perceived usefulness’ of the technology was high. The interviewees also reported significant perceived benefits in terms of acquiring procedural knowledge and skills. The immersive nature of the VR was identified as a key factor in its utility. The cost and time efficiencies driven by the capability to train multiple officers simultaneously without the need for physical resources and with fewer of the risks commonly associated with live training are also outlined. The study also identified limitations regarding the inclusivity and accessibility of the technology, including among individuals with disabilities. Nevertheless, the overall reception of the simulation was positive. The findings indicate that VR is widely accepted within the police service and has great potential for wider use to enhance training in other areas if it serves to deliver content focused on policies and practice.
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 | 0,004 | 0,007 |
| 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 | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».