MétaCan
Menu
Retour à la cohorte
Enregistrement W2048144107 · doi:10.1097/acm.0000000000000677

The Use of Task-Evoked Pupillary Response as an Objective Measure of Cognitive Load in Novices and Trained Physicians

2015· article· en· W2048144107 sur OpenAlexaff
Adam Szulewski, Nathan Roth, Daniel Howes

Notice bibliographique

RevueAcademic Medicine · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensKingston General HospitalQueen's University
Organismes subventionnairesnon disponible
Mots-clésCognitive loadCognitionTask (project management)PupilPupillary responsePupil diameterPsychologyMedicineCognitive psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Task-evoked pupillary responses (TEPRs), or changes in pupil size, correlate with changes in cognitive processing demands. The magnitude of this change is a reliable marker of cognitive load. The authors used TEPRs to compare cognitive load between novices and trained physicians as they answered clinical knowledge questions. METHOD: In 2013, 20 emergency medicine trainees were recruited and divided into novice (n = 10) and trained physician (n = 10) groups. The authors used mobile eye-tracking glasses to assess changes in pupil diameter as participants answered arithmetic questions, general knowledge questions, and clinical emergency medicine questions in a controlled setting. Questions were categorized by difficulty a priori. RESULTS: Difficult arithmetic questions caused greater changes in TEPRs than easy ones (P = .024). TEPRs were similar between groups when answering general knowledge questions (P = .383) but were significantly greater for novices than trained physicians when answering clinical questions (P < .001). TEPRs in trained physicians were significantly greater when answering difficult clinical questions than easy ones (P < .001), whereas TEPRs in novices were similar (P = .291). For those clinical questions answered correctly by both groups, TEPRs in novices were greater than those in trained physicians despite all participants answering correctly (P < .001). CONCLUSIONS: Novices require more mental effort to answer clinical questions than trained physicians, even when both respond correctly. Measuring TEPRs has the potential to be a valuable assessment tool by providing objective measures of expertise and is worthy of further study.

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)0,012
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,112
Tête enseignante GPT0,397
Écart entre enseignants0,285 · 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

Citations83
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetVisual and Cognitive Learning ProcessesTravaux en français237 207