MazeOut Adaptive Serious Game: Evaluation of Performance and Usability for Motor Rehabilitation in Individuals with Autism Spectrum Disorder
Notice bibliographique
Résumé
Objective: To evaluate the effectiveness of MazeOut , an adaptive serious game for motor rehabilitation, in individuals with autism spectrum disorder (ASD), by comparing their performance and usability with that of individuals with typical development (TD) and assessing the impact of adaptive (AG) versus nonadaptive gameplay on task performance. Materials and Methods: A mixed-design study with 30 participants (15 ASD, 15 TD), aged 8 to 40 years, had each participant experience both adaptive and nonadaptive interventions in randomized order, allowing within- and between-subject comparisons. Performance was measured using overall scores (based on maze navigation speed and coin collection), and usability was assessed with the System Usability Scale (SUS). Data analysis was conducted using R software, with performance trends evaluated through segmented regression and the Kruskal–Wallis test. Results: The TD group outperformed the ASD group across all conditions (TD median score: 27.54; ASD median score: 23.79, P < 0.001). Notably, participants in both groups achieved significantly better performance when AG was introduced first (ASD: 24.04 vs. 19.1, P < 0.001; TD: 30.2 vs. 24.31, P = 0.005), suggesting that the adaptation facilitates initial task learning. ASD participants reported slightly higher usability (mean SUS = 77.2) than TD participants (74.6), with the highest scores among younger users (81.9). Conclusions: Adaptive serious games can enhance motor performance, particularly for individuals with ASD. The findings suggest that early exposure to AG may improve task performance. Future studies with larger samples and longer interventions are needed to assess long-term benefits.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».