MétaCan
Menu
Retour à la cohorte
Enregistrement W2891611851 · doi:10.1177/2059700218799146

Comparing three portable, tablet-based visuomotor tasks to laboratory versions: An assessment of test validity

2018· article· en· W2891611851 sur OpenAlexafffund
Christopher D. Bedore, Jasmine Livermore, Hugo Lehmann, Liana E. Brown

Notice bibliographique

RevueJournal of Concussion · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensTrent University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaTrent UniversityNortheastern States Research Cooperative
Mots-clésTask (project management)Computer scienceSIGNAL (programming language)Function (biology)Test (biology)Human–computer interactionArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

The assessment of visuomotor function can provide important information about neurological status. Many tasks exist for testing visuomotor function in the laboratory, but the availability of portable, easy-to-use versions that allow reliable, accurate, and precise measurement of movement timing and accuracy has been limited. We developed a tablet application that uses three laboratory visuomotor tests: the double-step task, interception task, and stop-signal task. We asked the participants to perform both the lab and tablet versions of each task and compared their response patterns across equipment types to assess the validity of the tablet versions. On the double-step task, the participants adjusted to the displaced target adequately in both the lab and tablet versions. On the interception task, the participants intercepted nonaccelerating targets and performed worse on accelerating targets in both versions of the task. On the stop-signal task, the participants successfully inhibited their reaching movements on short stop-signal delays (50–150 ms) more frequently than on long stop-signal delays (200 ms) in both versions of the task. Our findings suggest that the tablet version of each task assesses visuomotor processing in the same way as their respective laboratory version, thus providing the research community with a new tool to assess visuomotor function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil0,359

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0000,000

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 Opus0,070
Tête enseignante GPT0,352
Écart entre enseignants0,282 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ConcussionMême sujetMotor Control and AdaptationTravaux en français237 207