論文の概要: Improving Emergency Training for Earthquakes Through Immersive Virtual
Environments and Anxiety Tests: A Case Study
- arxiv url: http://arxiv.org/abs/2205.04993v2
- Date: Sat, 12 Nov 2022 16:32:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:48:15.534022
- Title: Improving Emergency Training for Earthquakes Through Immersive Virtual
Environments and Anxiety Tests: A Case Study
- Title（参考訳）: 没入型仮想環境と不安テストによる地震の緊急訓練改善の試み
- Authors: Mohammad Sadra Rajabi, Hosein Taghaddos, Mehdi Zahrai
- Abstract要約: 本稿では, 地震のストレス条件下での住民の誤った意思決定に対する教育・前兆の影響について検討する。
地震を事前に検出する能力は、ストレスを制御し、イベントが発生した場合の適切な決定を決定する上で重要な要素である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Because of the occurrence of severe and large magnitude earthquakes each
year, earthquake-prone countries suffer considerable financial damage and loss
of life. Teaching essential safety measures will lead to a generation that can
perform basic procedures during an earthquake, which is an important and
effective solution in preventing the loss of life in this natural disaster. In
recent years, virtual reality technology is a tool that has been used to
educate people on safety matters. This paper evaluates the effect of education
and premonition on the incorrect decision-making of residents under the
stressful conditions of an earthquake. For this purpose, a virtual model has
been designed and built from a proposed classroom in a school of the city of
Tehran. Accordingly, two educational scenarios, presented in reality and the
virtual model respectively, were conducted on a statistical sample of 20
students within the range of 20 to 25 years of age. Within the mentioned
sample, the first group of 10 students were taught safety measures in a
traditional classroom. The second group of 10 students participated in a
virtual classroom. Evaluation tests on safety measures against earthquakes were
distributed after two weeks. Furthermore, two self-reporting tests of
Depression, anxiety, stress test (DASS), and Beck Anxiety Inventory (BAI) were
assigned to the second group to evaluate the effect of foresight under two
different scenarios. The results show that educating through virtual reality
technology yields a higher performance level relative to the traditional
approach to education. Additionally, the ability to detect earthquakes ahead of
time is an influential factor in controlling stress and determining the right
decisions should the event occur.
- Abstract（参考訳）: 毎年、大きな地震が発生しているため、地震が発生しやすい国は財政的な被害と生命の喪失に苦しむ。
本質的安全対策の指導は,地震時の基本手順を遂行できる世代へとつながり,この自然災害における生命の喪失を防止する上で重要かつ効果的な解決策となる。
近年、仮想現実技術は、人々に安全について教育するためのツールとなっている。
本稿では,地震のストレス条件下での住民の誤った意思決定に対する教育と予知の効果を評価する。
この目的のために、テヘラン市の学校で提案された教室から仮想モデルが設計され、構築されている。
その結果,20歳から25歳までの児童生徒20名を対象に,現実的に提示される2つの教育シナリオと仮想モデルについて調査を行った。
上述のサンプルでは,従来の教室で10名の学生が安全対策を指導した。
10人の学生の第2グループは仮想教室に参加しました。
地震に対する安全対策の評価試験を2週間後に実施した。
さらに, うつ病, 不安, ストレステスト (DASS) とベック不安インベントリ (BAI) の2つの自己申告試験を第2グループに割り当て, 2つの異なるシナリオ下での視力効果を評価した。
その結果、仮想現実技術による教育は、従来の教育アプローチに比べて高いパフォーマンスレベルをもたらすことがわかった。
さらに、地震を事前に検出する能力は、ストレスを制御し、イベントが発生した場合の適切な判断を決定する上で重要な要因である。
関連論文リスト
- Turkey's Earthquakes: Damage Prediction and Feature Significance Using A Multivariate Analysis [1.9461727843485295]
本研究は,トルコにおける将来の地震災害における死者の減少に寄与する。
我々は、被災者当たりの死亡率と死亡率を予測するために、様々な機械学習アーキテクチャーを試験した。
その結果,ランダムフォレストモデルが最も信頼性の高い予測結果が得られた。
論文 参考訳（メタデータ） (2024-10-29T10:29:06Z) - Estimating Earthquake Magnitude in Sentinel-1 Imagery via Ranking [5.71478837100808]
本稿では,地震の規模を計量学習問題として推定する。
我々は、Sentinel-1衛星画像から地震の大きさを推定し、さらにペアのサンプルをランク付けするためにモデルを訓練する。
実験の結果,従来の回帰のみに基づく手法に比べて最大30%以上のMAEの改善が得られた。
論文 参考訳（メタデータ） (2024-07-25T15:35:44Z) - FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。
本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。
本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文 参考訳（メタデータ） (2024-03-26T08:51:23Z) - Physical Adversarial Attack meets Computer Vision: A Decade Survey [55.38113802311365]
本稿では,身体的敵意攻撃の概要を概観する。
本研究は,身体的敵意攻撃の性能を体系的に評価する第一歩を踏み出した。
提案する評価基準であるhiPAAは6つの視点から構成される。
論文 参考訳（メタデータ） (2022-09-30T01:59:53Z) - Detecting Damage Building Using Real-time Crowdsourced Images and
Transfer Learning [53.26496452886417]
本稿では,Twitterなどのソーシャルメディアプラットフォームから地震後の建物画像を自動的に抽出する手法を提案する。
トランスファーラーニングと6500枚の手動ラベル付き画像を用いて,現場に損傷のある建物を画像として認識する深層学習モデルを訓練した。
訓練されたモデルは、異なる場所で新たに取得した地震の画像でテストし、トルコのM7.0地震の後、Twitterのフィードでほぼリアルタイムで実行された。
論文 参考訳（メタデータ） (2021-10-12T06:31:54Z) - OKSP: A Novel Deep Learning Automatic Event Detection Pipeline for
Seismic Monitoringin Costa Rica [0.0938460348620674]
コスタリカにおける地震モニタリングのための新しい自動地震検出パイプラインであるOKSPを紹介する。
OKSPは100%抜本的であり、精度は82%であり、F1スコアは0.90である。
この試みは、深層学習手法を用いてコスタリカの地震を自動的に検出する最初の試みであり、近い将来、地震監視ルーチンがAIアルゴリズムによって完全に実行されることを実証する。
論文 参考訳（メタデータ） (2021-09-06T20:24:49Z) - Rescue Network: Using UAVs (drones) in Earthquake Crisis Management [0.0]
各地震の後、人々の最初のパニックは、事故と被害の第二波を引き起こします。
本研究では,地震の発生時期と地震後の時間に着目した。
論文 参考訳（メタデータ） (2021-05-15T08:19:41Z) - Controlling earthquake-like instabilities using artificial intelligence [0.0]
本研究は, 強化学習を通じて得られた注入ポリシーの適用により, 破滅的な事態を避けることを目的とする。
最先端の深層補強学習手法を用いて地震様不安定性を制御する可能性を示した。
論文 参考訳（メタデータ） (2021-04-27T13:39:58Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳（メタデータ） (2021-03-14T17:56:17Z) - Assessing out-of-domain generalization for robust building damage
detection [78.6363825307044]
建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。
モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。
今後はOOD体制に重点を置くべきだと我々は主張する。
論文 参考訳（メタデータ） (2020-11-20T10:30:43Z) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。