Training 3D-MOT improves biological motion perception in aging: evidence for transferability of training.
Notice bibliographique
Résumé
In our everyday life, processing complex dynamic scenes such as crowds and traffic is of critical importance. Further, it is well documented that there is an age-related decline for complex perceptual-cognitive dynamic processes and that such processes can be trained, reversing aging effects (VSS 2011). It has been suggested that training for 3D-Multiple Object Tracking (3D-MOT) under certain conditions helps observers manage complex dynamic scenes in real life situations (Faubert & Sidebottom, 2011). Here we test this proposition by assessing whether training older observers on 3D-MOT can improve a socially relevant task such as biological motion perception. In complex scenes such as crowds, the perception of individual dynamics is important for society living. These human dynamics can be expressed by biological motion patterns. Previous research has shown that older adults require more distance in virtual space between themselves and the point-light walker to integrate biological motion information (VSS 2009). Older adults’ performances dramatically decrease at a distance as far away as 4 m (in zones where it gets critical for collision avoidance), whereas younger adults’ performance remains constant up to 1 m. We trained younger and older observers on the 3D MOT speed task and looked at younger and older adults’ performance on biological motion task presented at 4 and 16m distance in virtual space. We also trained a control group on a visual perceptual task in the same testing conditions. Results demonstrated that, while the control group condition showed no improvements, 3D-MOT training reversed age-related biological motion perception loss where the difference found for older adults between 4 and 16 m disappeared after a few weeks of training. This demonstrates that 3D-MOT training in aging could be a good generic process for helping older observers deal with complex dynamic scenes such as when driving or navigating in dense crowds. Meeting abstract presented at VSS 2012
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».