MétaCan
Menu
Retour à la cohorte
Enregistrement W2023780995 · doi:10.1068/p6140

Off on the Wrong Foot: Local Features in Biological Motion

2009· article· en· W2023780995 sur OpenAlexafffund
Daniel R. Saunders, J Suchan, Nikolaus F. Troje

Notice bibliographique

RevuePerception · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueTime Series Analysis and Forecasting
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institute for Advanced Research
Mots-clésFoot (prosody)Motion (physics)Physical medicine and rehabilitationComputer scienceArtificial intelligenceMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

Biological-motion perception consists of a number of different phenomena. They include global mechanisms that support the retrieval of the coherent shape of a walker, but also mechanisms which derive information from the local motion of its parts about facing direction and animacy, independent of the particular shape of the display. A large body of the literature on biological-motion perception is based on a synthetic stimulus generated by an algorithm published by James Cutting in 1978 (Perception 7 393-405). Here we show that this particular stimulus lacks a visual invariant inherent to the local motion of the feet of a natural walker, which in more realistic motion patterns indicates the facing direction of a walker independent of its shape. Comparing Cutting's walker to a walker derived from motion-captured data of real human walkers, we find no difference between the two displays in a detection task designed such that observers had to rely on global shape. In a direction discrimination task, however, in which only local motion was accessible to the observer, performance on Cutting's walker was at chance, while direction could still be retrieved from the stimuli derived from the real walker.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,242
Écart entre enseignants0,218 · 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

Citations37
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePerceptionMême sujetTime Series Analysis and ForecastingTravaux en français237 207