Nudging Into the Future of Immersive Reality: A Systematic Review of Sustainability‐Orientated Nudges in Policy and the Future Role of Extended Reality ( <scp>XR</scp> )
Notice bibliographique
Résumé
ABSTRACT Sustainability issues are highly complex and constantly evolving, posing significant challenges for effective management. Addressing these challenges requires innovative policies, such as digital innovations like extended reality (XR) and the application of psychological insights through nudges. This paper examines the intersection of social and behavioral sciences, focusing on how immersive technologies can be used to design and implement nudges for sustainable behavior. We conduct a review and meta‐analysis of nudge effectiveness to better understand sustainability behavior, categorizing nudges as cognitive, affective, or behavior‐oriented. Cognitive nudges are the most studied ( n : 99) but have mixed results (54% positive), while behavioral nudges ( n : 50) are more effective (70% positive). XR studies testing cognitive ( n : 3) and behavioral ( n : 4) nudges generally show positive outcomes, but research on affective nudges is limited (overall n : 15, XR n : 0), likely due to difficulties in testing emotional interventions. XR can enhance cognitive nudges by reducing information processing barriers and expand behavioral nudges by offering convenience not possible in the physical world. Immersive technologies also present new opportunities to test affective nudges by creating virtual scenarios that evoke empathy and social connections. We conclude by emphasizing the need to prioritize ethical considerations in using immersive technologies.
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 | 0,046 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».