MétaCan
Menu
Retour à la cohorte
Enregistrement W2953514535

Perception of box lifting in a point light display paradigm

2012· article· en· W2953514535 sur OpenAlexaff
Simran S Ohson, Lawrence Grierson, James Lyons

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueAction Observation and Synchronization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPerceptionIllusionKinematicsComputer scienceComputer visionObserver (physics)Object (grammar)Artificial intelligencePoint (geometry)Lift (data mining)PsychologyCognitive psychologyMathematicsMachine learningGeometry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Humans are able to perceive unique types of biological motion presented as point light displays (PLDs). Thirty years ago, Runeson and Fryholm (1983) studied observers' perceptions of weights lifted by actors who moved deceptively to feign the object's mass. They identified that, in spite of the lifter's acting, the PLDs provided enough information about the kinematics necessary to lift the object for the observer to form an accurate perception. However, research also shows that PLDs contain information about human expectation and emotion (e.g., Dittrich et al., 1996). This study improves on Runeson and Fryholm's paradigm by having observers judge the weights lifted by a participant who is under the influence of the size weight illusion. The lifter performed lifts of boxes that varied in size (small, medium, large) and weight (25 lbs, 50 lbs, 75 lbs). Moreover, the participants viewed these lifts across 4 different PLD conditions: box-at-rest, moving box, lifter only, box-and-lifter; and 1 full video condition. The results indicate that participants display the least absolute error when judging the full video condition. Furthermore, in the absence of either box or lifter PLD information, the participants' are not able to significantly differentiate the various box weights. These findings suggest that accurate PLD perceptions depend on information about both the actor and the objects. These results are relevant to processes of observational learning and indicate that PLDs may be insufficient for tasks requiring complex kinematic extraction.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,317
Écart entre enseignants0,287 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAction Observation and SynchronizationTravaux en français237 207