Performance monitoring during sleep inertia after a 1-h daytime nap
Notice bibliographique
Résumé
Performance monitoring is an essential function involved in the correction of errors. Deterioration of this function may result in serious accidents. This function is reflected in two event-related potential (ERP) components that occur after erroneous responses, specifically the error-related negativity/error negativity (ERN/Ne) and error positivity (Pe). The ERN/Ne is thought to be associated with error detection, while the Pe is thought to reflect motivational significance or recognition of errors. Using these ERP components, some studies have shown that sleepiness resulting from extended wakefulness may cause a decline in error-monitoring function. However, the effects of sleep inertia have not yet been explored. In this study, we examined the effects of sleep inertia immediately after a 1-h daytime nap on error-monitoring function as expressed through the ERN/Ne and Pe. Nine healthy young adults participated in two different experimental conditions (nap and rest). Participants performed the arrow-orientation task before and immediately after a 1-h nap or rest period. Immediately after the nap, participants reported an increased effort to perform the task and tended to estimate their performance as better, despite no objective difference in actual performance between the two conditions. ERN/Ne amplitude showed no difference between the conditions; however, the amplitude of the Pe was reduced following the nap. These results suggest that individuals can detect their own error responses, but the motivational significance ascribed to these errors might be diminished during the sleep inertia experienced after a 1-h nap. This decline might lead to overestimation of their performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».