MétaCan
Menu
Retour à la cohorte
Enregistrement W2025527101 · doi:10.1167/12.1.23

Target motion direction influence on tracking performance and head tracking strategies in head-unrestrained conditions

2012· article· en· W2025527101 sur OpenAlexaff
Pierre Daye, Gunnar Blohm, P. Lefèvre

Notice bibliographique

RevueJournal of Vision · 2012
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensQueen's University
Organismes subventionnairesNational Eye InstituteNational Institutes of Health
Mots-clésGazeTracking (education)Head (geology)Motion (physics)Orientation (vector space)Rotation (mathematics)Smooth pursuitComputer visionPosition (finance)Match movingArtificial intelligenceOscillation (cell signaling)Computer sciencePhysicsEye movementPsychologyMathematicsGeometryGeologyBiology

Résumé

récupéré en direct d'OpenAlex

We examined subjects' behavior when they tracked periodic oscillating targets moving along a randomly oriented ramp with the head free to move. This study focuses on the effect of target motion direction on pursuit performance and on head tracking strategies used by human subjects to coordinate eye and head movements. Our analyses revealed that the gaze tracking gain was modulated by both target oscillation frequency and target motion direction. We found that pursuit gain was modulated by the target motion direction: vertical pursuit being less accurate than horizontal pursuit. While gaze tracking was sensitive to target frequency and orientation, head behavior was less modulated by a change of target frequency than by a change of target motion direction. Additionally, subjects had two main strategies for moving their head: They oriented their head to favor rotations around either the head dorsoventral (target motion directions <20 deg) or mediolateral axis (target motion directions >70 deg). In between, the subjects did not choose a consistent rotation axis for identical target motion directions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,377

Scores Codex et Gemma par catégorie

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

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 Opus0,068
Tête enseignante GPT0,384
Écart entre enseignants0,316 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations25
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetVisual perception and processing mechanismsTravaux en français237 207