Pratique excessive des jeux vidéo chez les personnes ayant un trouble du spectre de l'autisme
Bibliographic record
Abstract
Les symptômes diagnostic du trouble du spectre de l’autisme (TSA), tels que décrits dans la cinquième édition du Manuel Diagnostique et Statistiques des Troubles Mentaux (DSM), incluent des déficits dans l’interaction sociale et dans la réciprocité sociale et émotionnelle ainsi qu’un caractère répétitif et stéréotypé des comportements et des intérêts. La technologie numérique telle que les jeux vidéo est utilisée comme traitement en psychothérapie pour pallier ces déficits. Chez des individus neurotypiques, c’est-à-dire des individus n’ayant pas un TSA, l’utilisation de jeux vidéo entraînerait plusieurs effets, dont des changements neuropsychologiques et neurologiques. Dans certains cas, une utilisation excessive ou pathologique est observée chez des individus neurotypiques. Ainsi, il est important de se questionner si des impacts similaires peuvent être retrouvés chez les individus avec un TSA. Toutefois, certains chercheurs dans ce domaine suggèrent que l’utilisation de ces technologies numériques, plus spécifiquement la réalité virtuelle, entraînerait une amélioration de leurs compétences sociales, du décodage non verbal, du contrôle des stimuli ainsi que de la compréhension chez les individus avec un TSA. De même, la réalité virtuelle améliorerait, toujours chez la population avec un TSA, des mesures sociales et cognitives de la théorie de l’esprit et de la recon naissance des émotions. Cependant, d’autres mentionnent des risques d’addiction et d’isolement social qui seraient peut-être même plus grands que ceux retrouvés chez les individus neurotypiques. En bref, cette revue de la littérature étudie le risque de pratique excessive des jeux vidéo chez les individus avec un TSA.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".