MétaCan
Menu
Retour à la cohorte
Enregistrement W2343487933 · doi:10.1123/mc.2015-0094

Adaptation Behavior of Skilled Infant Bouncers: Leg Movements and Mechanisms of Control

2016· article· en· W2343487933 sur OpenAlexaff
Olinda Habib Perez, Coren Walters-Stewart, D. Gordon E. Robertson, Natalie Baddour, Heidi Sveistrup

Notice bibliographique

RevueMotor Control · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueChildren's Physical and Motor Development
Établissements canadiensUniversity of OttawaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésKinematicsAttractorLimit cycleMovement (music)Physical medicine and rehabilitationWork (physics)Dynamics (music)Joint (building)Simple harmonic motionAdaptation (eye)Motion (physics)BiomechanicsComputer scienceSimulationControl theory (sociology)MathematicsCommunicationPsychologyPhysicsLimit (mathematics)Artificial intelligenceAcousticsEngineeringMathematical analysisAnatomyControl (management)MedicineClassical mechanicsNeuroscienceStructural engineering

Résumé

récupéré en direct d'OpenAlex

Rhythmic behavior in nonlinear systems can be described as limit cycles or attractors. System perturbations may result in shifts between multiple attractors. We investigated individual cycle-to-cycle leg movement kinematics of three prewalking skilled infant bouncers (10.6 ±0.91 months) during four different spring frequencies (0.9, 1.15, 1.27 and 1.56 Hz). A novel visual analysis phase-plane methodology was introduced to analyze the lower body joint kinematics. It was found that as infants' bounce frequency increased to match the natural frequency of the system, their joint ranges of motion decreased and lower extremity dynamics shifted from forced to simple harmonic motion. All infants produced highly synchronized and coordinated movements, as supported by moderate to high inter- and intralimb correlations. This study extends from previous work (Habib Perez et al., 2015) by focusing on the lower extremity kinematic movements, joint coordination and the occurrence of different movement patterns for individual bounce cycles over four spring conditions.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMotor ControlMême sujetChildren's Physical and Motor DevelopmentTravaux en français237 207