MétaCan
Menu
Retour à la cohorte
Enregistrement W1968012046 · doi:10.1089/cpb.2007.0028

Neural Correlates of “Absence” in Interactive Simulator Protocols

2008· article· en· W1968012046 sur OpenAlexaff
Henry J. Moller

Notice bibliographique

RevueCyberPsychology & Behavior · 2008
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésPsychomotor learningConsciousnessConstruct (python library)PerceptionTask (project management)Cognitive psychologyPsychologyDriving simulatorSimulator sicknessProtocol (science)Computer scienceHuman–computer interactionSimulationVirtual realityCognitionNeuroscienceMedicine

Résumé

récupéré en direct d'OpenAlex

While much has been written about the importance of the experience of presence in simulation protocols, the role of "absence" deserves closer attention. The role of subjective experience and neurophysiologic processes involved in fluctuating states of consciousness is a key issue in developing assessment and treatment tools using interactive immersive simulator tasks. This paper proposes that when engaging in an interactive simulator task, there are fluctuations of consciousness that determine both motivational engagement and measured performance. Rather than expecting a continuous experience, both in terms of perceptual and motor output flow, factors such as circadian fluctuations, fatigue, and actual intrusion of sleep into waking consciousness are relevant in assessments and treatments using virtual environment-based tasks. These factors are particularly relevant in treatment populations with neurological and psychiatric disorders, where such disturbances are more common. To illustrate this construct, a series of experiments examining these phenomena in relation to a standardized driving-simulation protocol to detect psychomotor impairment developed for clinical and diagnostic testing in a sleep laboratory setting are reviewed.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,048
Tête enseignante GPT0,378
Écart entre enseignants0,330 · 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

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyberPsychology & BehaviorMême sujetSleep and Work-Related FatigueTravaux en français237 207