MétaCan
Menu
Retour à la cohorte
Enregistrement W2953223789

MODEL PENGUKURAN KEKHUSYUKAN SHOLAT DENGAN PEMERIKSAAN ELEKTROFISIOLOGI KUANTITATIF

2019· article· id· W2953223789 sur OpenAlexaboutno aff
Yusuf Alam Romadhon

Notice bibliographique

RevueProceeding of The URECOL · 2019
Typearticle
Langueid
DomaineEngineering
ThématiqueEngineering and Technology Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Latar belakang: Penelitian sebelumnya didapatkan dua jenis daerah otak yang terlibat dalam sholat yakni pro tugas dan kontra tugas. Hasil ini perlu ditindaklanjuti untuk mendapatkan model pengukuran yang dapat mengkuantifikasi tingkat kekhusyukan seseorang ketika sholat dengan menggunakan pendekatan studi elektrofisiologi. Selanjutnya model kuantifikasi ini dapat digunakan untuk memberikan umpan balik tentang kualitas khusyuk sholat, dan memberikan peluang identifikasi faktor determinan kesehatan dari aktivitas sholat dengan berbasis studi elektrofisiologi. Tujuan: Mendapatkan model pengukuran kekhusyukan sholat berbasis pemeriksaan elektrofisiologi Metoda: Pengukuran amplitudo gelombang alfa diukur pada saat basal selama dua menit dan pada saat melakukan sholat. Elektroensefalogram direkam secara kontinu dengan alat EEG Natus Neurologi TM (Canada), 20 elektroda (sistem 10 – 20) dari Ag/AgCl dengan impedance 5 kilo Ohm, data didapat dengan software XLtek, filter 1 – 70 Hz, sensitifitas 7 mikro volt/mm, rentang power 0 – 196 mikro volt. Dipilih hasil rekaman yang bebas artefak untuk kemudian dianalisis. Pelaporan dengan menggunakan pendekatan event related desynchronization / event related resynchronization dari amplitudo gelombang alfa. Hasil dan Kesimpulan: Secara umum didapatkan ERD tertinggi saat takbir, kemudian menurun sepanjang sholat. ERD kontra tugas didapatkan meningkat setelah momen takbir. Terdapat perbedaan pola ERD pada dua subyek penelitian. Pola pertama, tinggi, kemudian naik dan selanjutnya turun landai. Pola kedua, saat takbir tinggi, kemudian turun curam dan kemudian melandai.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,219
Écart entre enseignants0,203 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceeding of The URECOLMême sujetEngineering and Technology InnovationsTravaux en français237 207