Choosing between action alternatives in an unconstrained task environment
Notice bibliographique
Résumé
To navigate our surroundings, the human motor system must make decisions about which path or route will be chosen. For example, a decision may need to be made between a path that has a large reach distance and shorter walking distance, or a path with a shorter reach and longer walking distance. Previous research suggests that path choices are made to minimize reach distance, as reaching is ~11 times more costly than walking a given distance (Rosenbaum et al., 2011; Rosenbaum, 2012; Cappelletto & Lyons, 2018). Furthermore, previous work from our lab provides evidence that biomechanical factors, such as joint loading, can drive cognitive decision making when choosing postures for action, quantifying this notion of cost (Cappelletto & Lyons, 2018). To the best of our knowledge, previous work in this area presented participants with a two-choice model, allowing only the choice between the right or the left paths. Questions remain as to how biomechanical costs and constraints are incorporated into the planning and execution of decision-making tasks with increased degrees of freedom. Sixteen female participants performed 50 trials of a bucket transfer task that varied as a function of load start position (near, middle, far, right, left), and load end position (backward, forward, right, left). Behavioural outcomes suggest that the load's start position is incorporated into the decision-making process, reflected in the participants choice of end position. Our biomechanical data also provide evidence of bottom-up processes influencing action planning, as reflected in decreased cumulative loading measures at both the shoulder and trunk.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».