The relationship between mental rotations ability, eye movement patterns, and spatial task performance (535.7)
Notice bibliographique
Résumé
Mental rotations ability (MRA), a subset of spatial ability, is linked to success in anatomy and the STEMM disciplines. Like any ability, MRA differs in the general population. Some people can mentally rotate 2D and 3D objects with ease, while others have difficulty with these mental tasks. Previous research suggests that the cognitive processes underlying MRA are manifest in eye‐movements. However, research has focused primarily on describing how individuals of high and low‐MRA differ in eye‐movement patterns rather than demonstrating how knowledge of these differences can be used to improve observational approaches and learning. This study aims to determine whether the eye‐movement patterns (frequency of fixation, duration of fixation, salient features, and average visual scan path) of high‐MRA individuals can be used to improve spatial task performance for low‐MRA individuals. Undergraduate students at Western University will complete a standardized test of MRA (Shepard and Metzler Mental Rotations Test) while eye‐movement metrics are collected. The eye‐movement patterns of high‐MRA individuals will then be used to train low‐MRA individuals to improve performance on subsequent spatial tests. Results from these studies may be employed to guide the design and delivery of innovative eye‐movement based approaches to improve instruction in anatomy and other STEMM disciplines.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».