Is twenty plenty? Tracking the stability of basic pointing kinematic measures over trials and across vision conditions
Notice bibliographique
Résumé
Although the number of participants required for a study can be readily determined via power analyses, the number of trials completed in any given condition is typically chosen out of convenience. One of the presumptions of the central-limit theorem is that if sufficient trials have been collected, then the sample mean should approximate the population mean. The purpose of the current study was to evaluate the number of trials required for stable estimates of of basic kinematic variables commonly used for pointing tasks across basic, full-vision and no-vision conditions. Ten participants completed twenty pointing movements to each of three visual targets (27, 30, and 33 cm amplitude) in both full-vision, and no-vision viewing conditions. Running, cumulative means were computed on a trial-by-trial basis for the following kinematic measures: reaction time, time-to-peak-limb velocity, time-after-peak-limb velocity, peak-limb velocity, movement time, and constant error. These running estimates were considered stable when they entered and remained within a +/- 5 % Z-score bandwidth around the final, cumulative estimate. Across all measures and conditions, between 14.5 (+/- 1.3) and 15.4 (+/- 1.3) trials were required to achieve cumulative mean stability. Therefore, if 18 or more are to be collected for a given vision condition, one can be reasonably confident that their mean data are representative of the true condition parameters. That is, under the current experimental conditions, twenty trials is plenty.Acknowledgments: Acknowledgements: Natural Sciences and Engineering Research Council of Canada (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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».