How do older adults respond to head-mounted virtual reality?
Notice bibliographique
Résumé
Objectives Head-mounted virtual reality (HMD-VR) is gaining popularity as a medium for health applications for older adults. However, this population is less technology experienced, raising questions on its usability. Here we investigated older adults’ attitudes towards HMD-VR and whether age, education, cognitive status and computer proficiency predicted attitudes towards HMD-VR. Furthermore we tested whether attitudes could change as the result of a first HMD-VR experience and whether HMD-VR induced cybersickness symptoms. Method We recruited 76 participants aged 57 to 94 years, and assigned them to an HMD-VR or control group. The groups (n=38) were matched on age, education, gender and assisted living status. After assessing the initial attitude towards HMD-VR, participants were either exposed to HMD-VR or to time-lapse videos and then the attitudes towards HMD-VR were re-measured. Materials The HMD-VR group used the Oculus Rift to interact in a VR environment, while the control group watched time-lapse videos. Cognitive status of participants was measured with the Montreal Cognitive Assessment and HMD-VR attitudes, computer proficiency, user experience, social desirability and cybersickness were evaluated through questionnaires. Results Attitudes towards HMD-VR significantly increased after a first HMD-VR experience, but remained neutral after exposure to time-lapse videos. There was a negative association of age and initial HMD-VR attitudes that was mediated by computer proficiency, but not by cognitive status or education. The HMD-VR and control group did not differ in self-reported cybersickness. Discussion Older adults had neutral attitudes towards HMD-VR, which improved by a first HMD-VR exposure. Moreover, we did not observe safety concerns when using HMD-VR with older adults. These results show that HMD-VR can be suitable for older adults. Conclusions Our results support the use of HMD-VR in the older population and suggest that the acceptability of HMD-VR should not be a concern.
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 | 0,001 | 0,007 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».