MétaCan
Menu
Retour à la cohorte
Enregistrement W2923000311 · doi:10.4018/ijaci.2019040104

Auditory Noise Can Facilitate Body's Peripheral Temperature Switchovers

2019· article· en· W2923000311 sur OpenAlexaff
Eduardo Lugo, R. Doti, Jocelyn Faubert

Notice bibliographique

RevueInternational Journal of Ambient Computing and Intelligence · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceNoise (video)Context (archaeology)SwitchoverPerceptionAuditory systemCognitionState (computer science)Sensory systemHuman–computer interactionSpeech recognitionCognitive psychologyArtificial intelligenceNeurosciencePsychology

Résumé

récupéré en direct d'OpenAlex

Home is the context of an ambient-intelligence environment. Nonetheless, one can downsize the environment. For example, the human body as an environment, and by reading all possible bio-signals, this article can create control loops where many of these bio-signals can be used as sensory inputs to make humans aware of their current perceptual-cognitive state. In this article, the authors present an example where the peripheral temperature is used as a marker to know when a human switchover from a stress state to a calm state happens. The switchovers are controlled by the sympathetic and parasympathetic nervous system. The authors showed that finger temperature can be modulated by an effective auditory noise, and in four of the six tested subjects, 70 dBSPL was the optimal noise. These results open the possibility of making personalized, adaptive and anticipatory devices capable of modulating the switchover from a stress state to a calm state.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,343
Score d'incertitude au seuil0,421

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,259
Écart entre enseignants0,243 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Ambient Computing and IntelligenceMême sujetNeural dynamics and brain functionTravaux en français237 207