MétaCan
Menu
Retour à la cohorte
Enregistrement W1979181626 · doi:10.1068/i0485

Healthy Older Observers Cannot Use Biological-Motion Point-Light Information Efficiently within 4 m of Themselves

2012· article· en· W1979181626 sur OpenAlexaff
Isabelle Legault, Nikolaus F. Troje, Jocelyn Faubert

Notice bibliographique

Revuei-Perception · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueAction Observation and Synchronization
Établissements canadiensQueen's UniversityUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésBiological motionMotion (physics)PerceptionMotion perceptionPsychologyPoint (geometry)Field (mathematics)Computer scienceCognitive psychologyArtificial intelligenceComputer visionMathematicsNeuroscience

Résumé

récupéré en direct d'OpenAlex

Healthy aging is associated with a number of perceptual changes, but measures of biological-motion perception have yielded conflicting results. Biological motion provides information about a walker, from gender and identity to speed, direction, and distance. In our natural environment, as someone approaches us (closer distances), the walker spans larger areas of our field of view, the extent of which can be underutilized with age. Yet, the effect of age on biological-motion perception in such real-world scenarios remains unknown. We assessed the effect of age on discriminating walking direction in upright and inverted biological-motion patterns, positioned at various distances in virtual space. Findings indicate that discrimination is worse at closer distances, an effect exacerbated by age. Older adults' performance decreases at distances as far away as 4 m, whereas younger adults maintain their performance as close as 1 m (worse at 0.5 m). This suggests that older observers are limited in their capacity to integrate information over larger areas of the visual field and supports the notion that age-related effects are more apparent when larger neural networks are required to process simultaneous information. This has further implications for social contexts where information from biological motion is critical.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,069
Tête enseignante GPT0,316
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations19
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuei-PerceptionMême sujetAction Observation and SynchronizationTravaux en français237 207