Evaluating the User Experience of Exercising Reaching Motions With a Robot That Predicts Desired Movement Difficulty
Notice bibliographique
Résumé
The notion of an optimal difficulty during practice has been articulated in many areas of cognitive psychology: flow theory, the challenge point framework, and desirable difficulties. Delivering exercises at a participant's desired difficulty has the potential to improve both motor learning and users' engagement in therapy. Motivation and engagement are among the contributing factors to the success of exercise programs. The authors previously demonstrated that error amplification can be used to introduce levels of challenge into a robotic reaching task, and that machine-learning algorithms can dynamically adjust difficulty to the desired level with 85% accuracy. Building on these findings, we present the results of a proof-of-concept study investigating the impacts of practicing under desirable difficulty conditions. A control condition with a predefined random order for difficulty levels was deemed more suitable for this study (compared to constant or continuously increasing difficulty). By practicing the task at their desirable difficulties, participants in the experimental group perceived their performance at a significantly higher level and reported lower required effort to complete the task, in comparison to a control group. Moreover, based on self-reports, participants in the experimental group were willing, on average, to continue the training session for 4.6 more training blocks (∼45 min) compared to the control group's average. This study demonstrates the efficiency of delivering the exercises at the user's desired difficulty level to improve the user's engagement in exercise tasks. Future work will focus on clinical feasibility of this approach in increasing stroke survivors' engagement in their therapy programs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».