Notice bibliographique
Résumé
PURPOSE: To determine how an individual optimizes muscular work. SOURCE: Several previous investigations by the author that explored the hedonicity of various sensations aroused during work and compared the results with the subjects' performances. PRINCIPAL FINDINGS: When a subject is given the task to climb 300 m elevation on a treadmill, at various combinations of speed and slope, if slope is imposed and speed self adjusted, or speed imposed and slope self adjusted, the subject spontaneously climbs the 300 m in a constant time. Thus, the subject worked his body at a constant power (work x duration(-1)). Thus, a person optimizes his own behaviour spontaneously. Systematic exploration of the hedonic dimension (pleasure/displeasure) of sensory experience from various parts of the body, over a broad range of muscular work showed that pleasure is experienced when a useful stimulus, as judged from the point of view of optimization of physiological function, is present. Displeasure occurs when a noxious stimulus is present. When a stimulus is neither useful nor noxious, the sensation aroused is indifferent. The relationship of hedonicity with physiology is so tight that these properties of sensation can be used as a tool to explore the body's physiological integrity. Hedonicity is also aroused during muscular exercise. Experimental evidence will be provided to demonstrate that the pleasures/displeasures of sensory inputs from the chest and from muscles are the signals that are the source of optimal muscular work. CONCLUSION: The experimental results confirmed that pleasure is the common currency that is used by the brain to compare sensations aroused by muscular work from various parts of the body. Maximization of the algeabraic sum of these hedonic sensations optimizes the resulting muscular performance.
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 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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».