Consistency of Individual Measurements Between Different Sensory Modalities: Vision vs. Audition and the Haptic Senses
Notice bibliographique
Résumé
Purpose. In recent work (VSS 2013, 2015), we have made comparisons among the human senses, focusing primarily on common patterns within general threshold responding. Results show that vision (notably contrast sensitivity) shares some commonalities with audition and surprisingly, and also with some aspects within the sense of pain. Another question, particularly for clinicians, is which of these modalities yields the most consistent results across assessments. To address this question, we conducted an intensive assessment of adults tested repeatedly with primarily psychophysical measures of vision, hearing, touch and pain. Method. 15 young adults were tested repeatedly (M = 8 repetitions) with the most widely used clinical measures of spatial vision [log MAR optotype acuity, contrast sensitivity (FACT, Vector Vision, Rabin tests), and refractive error (autorefraction)], audition (complete audiology exam), touch (Von Frey fibres on the ventral and dorsal aspects of the hand), and pain (fingertip pressure algometry). Results. To make measures comparable, data across all tests and modalities were standardized to individual logarithmic scales. Coefficient of reliability analyses showed that except for autorefraction, all measures of vision showed the most consistency, followed by measures of touch, audition, and pain. Conclusions. Our data indicate that, except for optical measurements (likely due to varying accommodation), repeated assessments of vision (often weeks apart) are highly stable, and are superior in this regard to the other sensory modalities. Although this may be due in part to the precision and scaling of the existing psychophysical techniques for measuring vision, it also may be due to the fact that threshold decision making within visual tasks requires the highest degree of cortical integration among all sensory modalities. Meeting abstract presented at VSS 2018
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 | 0,018 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».