MétaCan
Menu
Retour à la cohorte
Enregistrement W1497121499

Heart rate control of exercise video games

2009· article· en· W1497121499 sur OpenAlexaff
Tadeusz Stach, T.C. Nicholas Graham, Jeffrey Yim, Ryan E. Rhodes

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensUniversity of VictoriaQueen's University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEntertainmentHeart rateVideo gameControl (management)Mechanism (biology)ScalingMultimediaAffect (linguistics)SimulationHuman–computer interactionPsychologyArtificial intelligenceCommunicationMedicineMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Exercise video games combine entertainment and physical movement in an effort to encourage people to be more physically active. Multiplayer exercise games take advantage of the motivating aspects of group activity by allowing people to exercise together. However, people of significantly different fitness levels can have a hard time playing together, as large differences in performance can be demotivating. To address this problem, we present heart rate scaling, a mechanism where players ’ in-game performance is based on their effort relative to their fitness level. Specifically, heart rate monitoring is used to scale performance relative to how closely a person adheres to his/her target heart rate zone. We demonstrate that heart rate scaling reduces the performance gap between people of different fitness levels, and that the scaling mechanism does not significantly affect engagement during gameplay.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,801
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,050
Tête enseignante GPT0,428
Écart entre enseignants0,378 · 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 tête enseignante, pas un consensus.

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

Citations101
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMental Health Research TopicsTravaux en français237 207