Using hand performance measures to predict handedness
Notice bibliographique
Résumé
Handedness is defined by the individual's preference to use one hand predominately for unimanual tasks and the ability to perform these tasks more efficiently with one hand (Corey, Hurley, & Foundas, 2001). It is important to use performance variables to measure handedness because they are more objective than traditional hand preference questionnaires (Bryden, Pryde, & Roy, 2000a). The current study develops a predictive model of handedness as measured by the Waterloo Handedness Questionnaire (WHQ) using several performance indicators of handedness. A total of 120 individuals (60 right-handers and 60 left-handers) were asked to complete four performance-based tasks: the Grooved Pegboard (GP), the Annett pegboard (AP), finger tapping (FT), and grip strength (GS) as well as an observational measure of preference, the Wathand Box Test (WBT). Backward linear regression analysis showed that the Wathand Box measure and the laterality quotients for several performance measures (GP place, AP, and FT) combined to act as the most accurate predictors of hand preference. The predictive model of handedness developed is as follows: WHQ = -2.760- - 0.667(GP place) + 0.809(FT) + 0.234(WBT) - 0.748(AP) with an explained variance of 0.836. These results illustrate, as Corey et al. (2001) suggested, that the best predictive model of handedness combines preference measures and several performance measures that tap into different elements of motor performance. By developing this model, it is possible to get an accurate measure of handedness using objective measures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».