Long Term Consistency of Handwriting Grip Kinetics in Adults
Notice bibliographique
Résumé
While there is growing interest in clinical applications of handwriting grip kinetics, the consistency of these forces over time is not well-understood at present. In this study, we investigated the short- and long-term intra-participant consistency and inter-participant differences in grip kinetics associated with adult signature writing. Grip data were collected from 20 adult participants using a digitizing tablet and an instrumented pen. The first phase of data collection occurred over 10 separate days within a three week period. To ascertain long-term consistency, a second phase of data collection followed, one day per month over several months. In both phases, data were collected three times a day. After pre-processing and feature extraction, nonparametric statistical tests were used to compare the within-participant grip force variation between the two phases. Participant classification based on grip force features was used to determine the relative magnitude of inter-participant versus intra-participant differences. The misclassification rate for the longitudinal data were used as an indication of long term kinetic consistency. Intra-participant analysis revealed significant changes in grip kinetic features between the two phases for many participants. However, the misclassification rate, on average, remained stable, despite different demarcations of training, and testing data. This finding suggests that while signature writing grip forces may evolve over time, inter-participant kinetic differences consistently exceeds within-participant force changes in the long-term. These results bear implications on the collection, modeling and interpretation of grip kinetics in clinical applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».