Seeing is Not Thinking: Testing Capabilities of VR to Promote Perspective-Taking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Virtual Reality (VR) technologies offer compelling experiences by allowing users to immerse themselves in simulated environments interacting through avatars. However, despite its ability to evoke emotional responses, and seeing 'through the eyes' of the displayed other, it remains unclear to what extent VR actually fosters perspective-taking (PT) or thinking about others' thoughts and feelings. It might be that the common belief that one can "become someone else" through VR is misleading, and that engaging situations through a different viewpoint does not produce a different cognitive standpoint. To test this, we conducted a 2 (perspective, first-person or third-person) by 2 (perspective-taking task or no task) to examine effects on perspective taking, measured via audio-recordings afforded by the think-aloud protocol. Our data demonstrate that while first-person perspective (1PP) facilitates perceived embodiment, it has no appreciable influence on perspective-taking. Regardless of 1PP or third-person perspective (3PP), perspective-taking was substantially and significantly increased when users were given a specific task prompting them to actively consider a character's perspective. Without such tasks, it seems that participants default to their own viewpoints. These data highlight the need for intentional design in VR experiences to consider content rather than simply viewpoint as key to authentic perspective-taking. To truly harness VR's potential as an "empathy machine," developers must integrate targeted perspective-taking tasks or story prompts, ensuring that cognitive engagement is an active component of the experience.
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.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 découle