MétaCan
Menu
← Retour à la cohorte
Enregistrement W7062801619

Vers des environnements virtuels plus écologiques : étude des modifications du comportement moteur en réalité virtuelle lors de l'ajout d'informations haptiques par un mécanisme parallèle entraîné par câbles

2020· other· fr· W7062801619 sur OpenAlexfundno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2020
Typeother
Languefr
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésUndue influenceOrganization studiesWork environment
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction : Les nouvelles technologies qui permettent de capter et d’analyser les mouvements des utilisateurs ne cessent de se développer et représentent un potentiel intéressant dans le domaine de la santé. Grâce à l’essor de ces nouvelles technologies, des systèmes de réalité virtuelle (RV) clefs en main intègrent les services de réadaptation, et les études démontrent leur capacité à optimiser la rééducation motrice et l’évaluation des clients présentant des troubles du contrôle moteur. Le marché de la RV est ainsi en pleine expansion, et l’ajout d’informations haptiques permettant de modéliser les caractéristiques physiques des entités virtuelles représente un intérêt considérable pour améliorer l’écologie des environnements virtuels (EVs) et le transfert des apprentissages aux activités quotidiennes. Toutefois, l’effet de l’ajout de ces informations sur le comportement moteur des sujets demeure très peu connu. L’objectif principal de cette thèse était ainsi d’évaluer l’impact de l’ajout d’informations haptiques, par un mécanisme parallèle entrainé par câbles (robot à câbles), sur le contrôle moteur de sujets sains, lors de la réalisation de tâches complexes et fonctionnelles dans des EVs. Les deux hypothèses principales étaient que cet ajout améliore le contrôle du mouvement lors de tâche de manutention d’objet ayant des contraintes environnementales statiques, et modifie les stratégies locomotrices proactives en présence de contraintes dynamiques. Méthode : Le comportement moteur de participants sains a été analysé lors de la réalisation de deux tâches. En premier lieu, une tâche de manutention de caisse nécessitant la préhension et le déplacement d’une caisse à partir d’une posture debout a été étudiée. Celle-ci a été réalisée dans un environnement réel et dans des EVs, en absence et en présence d’informations haptiques, relatives aux contraintes physiques de l’étagère et de la caisse manipulée, fournies grâce à un robot à câbles (Chapitre 3, N=12). En second lieu, une tâche nécessitant l’évitement d’avatars au cours de la marche sur un tapis roulant a été réalisée en présence et en absence de risque de contact physique avec les avatars, délivré par un robot à câbles (Chapitre 4, N=10). Les EVs étaient vus au travers d’un visiocasque. Résultats : La première étude a démontré une amélioration des paramètres spatiaux du mouvement réalisé dans l’EV en présente d’informations haptiques, au cours des différentes phases de la tâche de manutention (préhension, montée et descente de la caisse). L’organisation spatiale du mouvement était ainsi plus similaire à ce qui était observé dans un environnement réel, avec un meilleur respect des contraintes environnementales (éloignement plus important de la caisse avec l’étagère, trajectoire plus longue). De plus, le contrôle du mouvement était influencé par la demande de précision requise pour ne pas toucher les étagères en présence d’informations haptiques uniquement. La deuxième étude a démontré la mise en place de stratégies motrices plus précautionneuses pour éviter les avatars lors de l’ajout d’informations haptiques. Les participants tendaient à anticiper plus précocement l’évitement des avatars. Ils maintenaient une distance minimale plus importante avec les avatars et conservaient un espace péripersonnel plus large, indépendamment de l’angle d’approche de l’avatar. Conclusion : L’ajout d’informations haptiques dans les EVs impacte les stratégies motrices proactives des participants sains aussi bien lors de la tâche de manutention de caisse que de locomotion avec évitement d’avatars. Les résultats suggèrent que l’ajout d’informations haptiques favorise la prise en compte des entités virtuelles lors de la planification mouvement. Ces informations haptiques imposent en effet des restrictions plus réalistes dans les possibilités d’actions fournies par les EVs, et modifient probablement l’évaluation des conséquences que représente le contact avec les entités virtuelles. Il serait pertinent de poursuivre l’étude de l’influence de ces informations afin de proposer à des clients ayant des déficiences motrices des environnements encore plus écologiques, qui favorisent l’évaluation et la prise en compte des risques implicites que représentent les entités environnementales.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,188
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)→Même sujetParticle Detector Development and Performance→Travaux en français237 207→