MétaCan
Menu
Retour à la cohorte
Enregistrement W2478733778 · doi:10.21083/surg.v8i2.3057

The reduction of directed attention fatigue through exposure to visual nature stimuli: Exploring a natural therapy for fatigue

2016· article· en· W2478733778 sur OpenAlexafffundvenue
Michael Varkovetski

Notice bibliographique

RevueSURG Journal · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensUniversity of Guelph
Organismes subventionnairesUniversity of Guelph
Mots-clésNatural (archaeology)Visual attentionCognitive psychologyComputer scienceCognitionPsychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

This study compares the restorative effects on directed attention functioning following exposure to natural landscape images versus scrambled/distorted landscape images. Attention restoration theory (ART) provides an analysis of the stimuli and environment required for restoration of cognitive fatigue. According to ART, nature employs attention through a bottom-up process in which intrinsically fascinating stimuli from the natural environment itself modestly dominate attention. This allows the mechanisms responsible for top-down processing, which is necessary for directed attention, to recover and replenish. Unlike natural environments, urban environments employ attention through bottom-up stimulation, which forces one to overcome the stimulation using directed attention, thus not allowing for the recovery of directed attention mechanisms. This study looks into whether solely visual stimulation of natural environments is adequate for the restoration of directed attention mechanisms as measured with the “Attention Test” application. The mean completion time on the Attention Test game was significantly lower in the nature image group (M = 54.33) when compared to the scrambled image group (M = 62.04), thus validating the visual aspect of ART.

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)0,000
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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0030,000

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 Opus0,067
Tête enseignante GPT0,333
Écart entre enseignants0,266 · 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

Citations3
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSURG JournalMême sujetUrban Green Space and HealthTravaux en français237 207