MétaCan
Menu
Back to cohort
Record W3158647001 · doi:10.71781/11146

An intelligent real-time help system for clinical reasoning in virtual reality environment based on emotional analysis

2020· dissertation· en· W3158647001 on OpenAlexfundno aff
Qiang Ye

Bibliographic record

VenueOpen MIND · 2020
Typedissertation
Languageen
FieldComputer Science
TopicIntelligent Tutoring Systems and Adaptive Learning
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsVirtual realityHuman–computer interactionComputer sciencePsychologyArtificial intelligence

Abstract

fetched live from OpenAlex

Le raisonnement clinique est l'une des compétences les plus importantes de la pratique médicale. Hypocrates est une plateforme logicielle d'évaluation médicale et d'analyse émotionnelle construite sur un environnement de réalité virtuelle. Grâce à cette plateforme, les étudiants en médecine peuvent évaluer leurs connaissances médicales par des cas cliniques virtuels bien conçus à partir d'une base de données de cas. Pendant le processus d'évaluation, les signaux d’électroencéphalogramme sont collectés simultanément pour évaluer l'état émotionnel de l'élève, ce qui aide les chercheurs à étudier le changement émotionnel de l'élève pendant tout le processus d'évaluation. Des études antérieures montrent que le maintien d'une émotion paisible et positive est nécessaire à de bonne performance d’évaluation. Pour maintenir un état émotionnel positif, une possibilité est d'aider les élèves de manière à éviter des émotions négatives (frustration, stress, confusion, etc.) qui peuvent découler des erreurs d’évaluation. Dans cette recherche, nous avons étudié, conçu et développé un système d'aide en temps réel et l'a intégré dans Hypocrates pour former sa prochaine version: Hypocrates +. Le système d'aide est intelligent car il fournit un contenu d'aide personnalisé et hautement associé lorsque la plate-forme estime qu'un contenu d'aide est nécessaire pour maintenir le statut émotionnel paisible et positif d'un élève. Le système d'aide est en temps réel car il a un délai de réponse très court afin que l'étudiant puisse obtenir très rapidement des connaissances médicales utiles. Le contenu de l'aide est généré à partir d'Internet, ou plus précisément, à partir de pages Wiki en ligne, pour que le contenu de l'aide soit toujours à jour. Le langage C # et Visual Studio IDE ont été utilisés pour développer le système d'aide en temps réel. Une application console fonctionne comme un serveur fournissant des services à ses clients et constitue une partie de la plateforme Hypocrates+. Des techniques telles que la recherche d'informations, l'intelligence artificielle, la programmation réseau UDP ont été largement utilisées pour aider au développement d'un serveur intelligent. Avec le système d'aide en temps réel souhaité intégré, Hypocrates+ est passé à une plateforme virtuelle de formation médicale au lieu 6 d'une simple plateforme d'évaluation, qui devient de plus en plus populaire dans la formation médicale moderne. Des tests et des expériences ont été effectués sur le système d'aide en temps réel et Hypocrates+ pour étudier la qualité et l'utilité du contenu d'aide généré et le temps de réponse. La réponse est très rapide avec un temps de réponse moyen de 1,5 seconde. Les résultats de l'analyse émotionnelle montrent que le contenu d'aide a réduit l'émotion négative de 4 participants sur 5. Nous concluons qu'un système d'aide en temps réel avec une bonne qualité de contenu d'aide enrichit les fonctionnalités d'une plate-forme de formation médicale en réalité virtuelle.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.834
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0020.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.074
GPT teacher head0.369
Teacher spread0.295 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicIntelligent Tutoring Systems and Adaptive LearningFrench-language works237,207