MétaCan
Menu
Retour à la cohorte
Enregistrement W2950931073

The displacement biases accompanying the "Violation of Fitts' Law"

2015· article· en· W2950931073 sur OpenAlexaffabout
James W. Roberts, Timothy N. Welsh, James Lyons, Digby Elliott

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensMcMaster UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFitts's lawMovement (music)AmplitudeDisplacement (psychology)TrajectoryPsychologyAccelerationOvershoot (microwave communication)Physical medicine and rehabilitationControl theory (sociology)Cognitive psychologyComputer scienceControl (management)SimulationCommunicationLawMathematicsArtificial intelligencePhysicsMedicinePolitical scienceAcousticsOptics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Numerous studies have revealed that movement times to the last target of a placeholder array are shorter than predicted by Fitts' Law. Glazebrook et al. (2015) suggested that this violation of Fitts' Law occurs because of re-accelerations following an optimal planning procedure biased toward the first target. The present study examined the planning and control procedures associated with this violation via a detailed analysis of amplitude biases and corrective submovements throughout the movement trajectory. Sixteen participants executed fast-and-accurate aiming movements toward one of five possible target locations within a placeholder array. Movement times were shorter for targets 1 and 2 compared to targets 3, 4 and 5, which were not different from each other. Movement times to target 5 were shorter than those predicted by Fitts' Law. This difference was due to the time after peak velocity. Although there was no difference in overall error between targets, participants overshoot the centre of the target more for target 5. This bias can be partly attributed to greater proportional amplitudes at peak velocity. Further, corrective submovements were observed on 89.3% of the trials, with a greater proportion of these submovements involving velocity zero-crossings (i.e., reversals), and fewer acceleration zero-crossings (i.e., secondary accelerations) for target 5. Overall our results indicate that, in the face of target uncertainty, participants biased their movement planning in favour of target 5 (i.e., highest index of difficulty movement). This notion is consistent with the idea that performers prepare for the worst-case scenario (Elliott et al., 2010).Acknowledgments: This research was supported by the 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 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)0,002
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,134
Tête enseignante GPT0,422
Écart entre enseignants0,289 · 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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHuman-Automation Interaction and SafetyTravaux en français237 207