MétaCan
Menu
Retour à la cohorte
Enregistrement W2923852134

Stomp your hands and clap your feet: Exploring the behavioural links between motor and language systems

2017· article· en· W2923852134 sur OpenAlexaff
Sandra M Pacione, Timothy N. Welsh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueAction Observation and Synchronization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNounLinguisticsCompatibility (geochemistry)PsychologyCommunicationCognitive psychologyComputer scienceArtificial intelligenceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The results of previous research suggest that language and motor areas may share overlapping or interconnected representations associated with limb-specific action verbs. For example, reaction times (RTs) for hand responses are shorter when people respond to action words that are compatible with the responding limb (e.g., pinch or punch) than for words that are incompatible with the responding limb (e.g., kick or step). The purpose of the present study was to determine if the motor system is activated by limb-specific nouns in the absence of an action context. If the language/motor system overlaps extend to nouns, then similar compatibility effects should be observed for both verbs and nouns. If these associations are limited to verbs, then compatibility effects will only be seen for the verbs and not nouns. Participants (n=12) completed a choice response task in which responses were made to hand and foot-related nouns (e.g., glove, boots) and verbs (e.g., clap, stomp). The preliminary findings indicate a word meaning-response compatibility effect for foot-related verbs and not for hand-related verbs. When responding to nouns, a word meaning-response compatibility effect was found for hand-related nouns only. Overall, the patterns of effects in the present data presented are mixed, with limb-specific compatibility effects emerging with foot-related verbs and hand-related nouns.Acknowledgments: NSERC

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
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 savante0,0000,001
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 Opus0,215
Tête enseignante GPT0,369
Écart entre enseignants0,154 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAction Observation and SynchronizationTravaux en français237 207