Interactive VR-based mobile training framework for adolescents with autism spectrum disorder
Notice bibliographique
Résumé
Virtual reality (VR) technologies have become powerful tools for delivering interactive learning experiences, offering controlled and adaptive environments for skill development. This study introduces an AI-enhanced standalone VR training framework designed for adolescents with autism spectrum disorder (ASD), integrating two interactive environments—a restaurant and a classroom—to support both life skills and educational competencies. The system was developed using Unity and Blender and delivered through Oculus Quest 3 standalone head-mounted displays with a dual-interface monitoring system for therapists and parents. A structured four-phase protocol (orientation, environment-specific training, integrated practice, and assessment) guided 15 participants (11 males, 4 females), aged 10–13 years, through 12 standardized sessions, producing 180 session-level records. Quantitative data included task completion time, error frequency, number of attempts, and interaction patterns, while qualitative feedback was collected from therapists and parents. Statistical analyses (paired t-tests, repeated measures ANOVA) revealed significant phase-related changes in completion time, error frequency, and task attempts, while success rates remained stable. An AI component using a Decision Tree classifier achieved 70.4% accuracy in predicting task outcomes, providing preliminary evidence for the role of machine learning in adaptive feedback and personalized interventions. Findings suggest that the proposed standalone VR framework enhances engagement and skill development among adolescents with ASD while offering valuable analytics for educators and therapists. The integration of VR, AI, and dual-environment design underscores the potential of immersive technologies to support scalable, adaptive, and data-driven interventions in special education.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».