Notice bibliographique
Résumé
The present study is a follow-up of Elliott and Hansen (2010), which compared limb trajectory amendment measures. Because planning mechanisms can influence trajectory scaling and variability between trials, one major weakness of the measures contrasted in Elliott and Hansen (2010) is the use of many limb trajectories to obtain a measure of trajectory amendments (e.g., Heath et al., 2004; Khan et al., 2002). In contrast, a jerk-score can be obtained from a single trial (see Hogan & Flash, 1982). The present study contrasted jerk-score analyses (e.g., Goble et al., 2010) with other limb trajectory amendment measures. Fourteen participants performed reaches to 3 target amplitudes with (V) or without (NV) vision between movement onset and offset. Limb trajectories were monitored using motion tracking and a tri-axial accelerometer. As anticipated, participants exhibited more accurate and precise endpoint distributions in V than NV. Also, analyses using all measures of limb trajectory amendments did exhibit differences between V and NV trials. However, the interaction between the vision and target factors was only significant for the jerk and correlational measures, but not for the trajectory variability measures. Further, the largest partial eta square value for the vision by target interaction was obtained with the Fisher Z-score transformation of the correlational measures. The latter measure may be the most accessible and valid proxy for assessing limb trajectory amendments.Acknowledgments: This research was supported by the Natural Sciences and Engineering Research Council of Canada (NSERC), the Canada Foundation for Innovation (CFI) and the Ontario Research Fund (ORF).
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 | 0,003 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,009 | 0,002 |
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 ».