MétaCan
Menu
Retour à la cohorte
Enregistrement W2137240004 · doi:10.1371/journal.pone.0038938

Watch and Learn: Seeing Is Better than Doing when Acquiring Consecutive Motor Tasks

2012· article· en· W2137240004 sur OpenAlexafffund
Beverley C. Larssen, Nicole T. Ong, Nicola J. Hodges

Notice bibliographique

RevuePLoS ONE · 2012
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTask (project management)Observational studyMotor learningObserver (physics)Cognitive psychologyObservational learningTask groupPsychologyAdaptation (eye)Computer scienceSocial psychologyMedicineEngineeringMathematics education

Résumé

récupéré en direct d'OpenAlex

During motor adaptation learning, consecutive physical practice of two different tasks compromises the retention of the first. However, there is evidence that observational practice, while still effectively aiding acquisition, will not lead to interference and hence prove to be a better practice method. Observers and Actors practised in a clockwise (Task A) followed by a counterclockwise (Task B) visually rotated environment, and retention was immediately assessed. An Observe-all and Act-all group were compared to two groups who both physically practised Task A, but then only observed (ObsB) or did not see or practice Task B (NoB). The two observer groups and the NoB control group better retained Task A than Actors, although importantly only the observer groups learnt Task B. RT data and explicit awareness of the rotation suggested that the observers had acquired their respective tasks in a more strategic manner than Actor and Control groups. We conclude that observational practice benefits learning of multiple tasks more than physical practice due to the lack of updating of implicit, internal models for aiming in the former.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,024
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,061
Tête enseignante GPT0,236
Écart entre enseignants0,175 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations28
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMotor Control and AdaptationTravaux en français237 207