Perceptual-cognitive training improves biological motion perception
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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 in complex perceptual-cognitive processing, which can be reversed with training. It has been suggested that a specific dynamic scene perceptual-cognitive training procedure [the three-dimensional multiple object tracking speed task (3D-MOT)] helps observers manage socially relevant stimuli such as human body movements as seen in crowds or during sports activities. Here, we test this assertion by assessing whether training older observers on 3D-MOT can improve biological motion (BM) perception. Research has shown that healthy older adults require more distance in virtual space between themselves and a point-light walker to integrate BM information than younger adults. Their performances decreased markedly at a distance as far away as 4 m (critical for collision avoidance), whereas performance in young adults remained constant up to 1 m. We trained observers between 64 and 73 years of age on the 3D-MOT speed task and looked at BM perception at 4 and 16 m distances in virtual space. We also had a control group trained on a visual task and a third group without training. The perceptual-cognitive training eliminated the difference in BM perception between 4 and 16 m after only a few weeks, whereas the two control groups showed no transfer. This demonstrates that 3D-MOT training could be a good generic process for helping certain observers deal with socially relevant dynamic scenes.
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.
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 | 0,000 | 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) | 0,001 | 0,001 |
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 découle