MétaCan
Menu
Retour à la cohorte
Enregistrement W2084622816 · doi:10.4236/ojem.2014.21002

Increasing Pupil Size Is Associated with Increasing Cognitive Processing Demands: A Pilot Study Using a Mobile Eye-Tracking Device

2014· article· en· W2084622816 sur OpenAlexaff
Adam Szulewski, Shannon M. Fernando, Jared Baylis, Daniel Howes

Notice bibliographique

RevueOpen Journal of Emergency Medicine · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensKingston General HospitalQueen's University
Organismes subventionnairesnon disponible
Mots-clésPupil sizeBitTorrent trackerEye trackingPupilPupil diameterCognitionBaseline (sea)Tracking (education)Pupillary responsePsychologyComputer scienceSignificant differenceCognitive loadPupillometryAudiologyArtificial intelligenceMedicineStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Previous studies have shown that increases in pupil size are correlated with increasing cognitive processing demands. Our aim was to confirm whether these findings could be replicated with new portable and less obtrusive eye-tracking technology. We assessed the percentage change of pupillary diameter from baseline as eight subjects completed a series of randomly ordered arithmetic problems of varying difficulty. The mean peak pupil diameter expressed as a percentage change from baseline was significantly greater when answering difficult questions compared to easier questions. Moreover, the time to reach peak pupillary diameter occurred significantly faster when participants answered easier questions compared to more difficult questions. Finally, there was a significant difference when all groups were compared to control. This experiment confirms findings of previous studies that show that pupillary size is related to cognitive processing demands. It also demonstrates that mobile eye-trackers can be used to reliably gather this type of data. Furthermore, this experiment provides the basis for future studies using eye-tracking technology in new environments, for example in the study of expertise and performance in medical crisis situations.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,118
Tête enseignante GPT0,455
Écart entre enseignants0,337 · 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

Citations18
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Emergency MedicineMême sujetVisual and Cognitive Learning ProcessesTravaux en français237 207