MétaCan
Menu
Retour à la cohorte
Enregistrement W2081234903 · doi:10.1109/haptics.2014.6775446

Susceptibility to periodic vibrotactile guidance of human cadence

2014· article· en· W2081234903 sur OpenAlexaff
Idin Karuei, Karon E. MacLean

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTactile and Sensory Interactions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCadenceSTRIDEHaptic technologyComputer scienceStimulus (psychology)SimulationAuditory feedbackComputer visionPsychologyPhysical medicine and rehabilitationCognitive psychology

Résumé

récupéré en direct d'OpenAlex

In this paper we introduce a new guidance method that employs periodic vibrotactile cues to help users walk at a desired speed. We also explore walker's susceptibility to periodic vibrotactile guidance (PVG): specifically, adjustments of their stride frequency in response to cues that are clearly perceived; and finally, how long users can maintain their stride frequency after the guidance cue stops. While wearing a vibrotactile display on one wrist, each participant was given five vibrotactile tempos, logarithmically spaced across the participant's walking frequency range. We compared realtime stride frequency with cue tempo under conditions that varied cue tempo and presence / absence. Our results suggest that most individuals (here, 13 of 15) can synchronize their cadence with a vibrotactile cue with 95% accuracy (mean error, all participants: -1.5%, SD = 8.1) for a guidance tempo within their physical ability. Once a tempo was matched, walkers could maintain it for at least 30 seconds after the cue was turned off, showing promise for intermittent guidance as a solution to stimulus adaptation and annoyance. This finding informs design of spatiotemporal guidance systems, by showing how the informationally narrow but nevertheless underused haptic channel may have utility in guiding pedestrians' speed, without a need to learn abstracted signals, and through a continuous control system.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,322
Écart entre enseignants0,280 · 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.

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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTactile and Sensory InteractionsTravaux en français237 207