Virtual and augmented reality in the libraries: Situation analysis, hotspots and new directions
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
The integration of Virtual Reality (VR) and Augmented Reality (AR) technologies into library presents a transformative opportunity to enhance user experiences, promote innovative learning, and improve access to information. The purpose of this research is to examine the state of research on the virtual and augmented reality in the library including understanding the hotspots and new research directions. The study was conducted using bibliometrics approach based on data collected from Scopus database. The retrieval yielded 4001 items and covered the period 1973 and 2023. The years 2020–2023 mark the most substantial period of activity. The keywords cluster in four categories namely - technological components and applications, and computational methods, human and social aspects of VR/AR use, and interface and user interaction. The research hotspots are (1) Core Technologies, (2) Applications, and (3) Research Methodologies and Trends while the three emerging areas are - Emerging Technologies and Methods, Class 2: User Interaction and Interface Design, Class 3: Niche Applications in Libraries. The integration of VR and AR into library systems demonstrates their evolution from experimental concepts to practical tools, enhancing user engagement and supporting academic, cultural, and educational functions. The study of VR and AR in libraries reveals a clear trajectory of growth and maturity, with research efforts expanding significantly, particularly after 2000. Advances in technology and evolving user needs—such as remote access demands during the COVID-19 pandemic—have driven innovation, shifting the focus from foundational studies to applied, mature research in library settings.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,019 |
| Science ouverte | 0,001 | 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