A frequentist mixture modeling of stop signal reaction times
Notice bibliographique
Résumé
The stop signal reaction time (SSRT), a measure of the latency of the stop signal process, has been theoretically formulated using a horse race model of go and stop signal processes by the American scientist Gordon Logan (1994). The SSRT assumes equal impact of the preceding trial type (go/stop) on its measurement. In the case of a violation of this assumption, we consider estimation of SSRT based on the idea of earlier analysis of cluster type go reaction times (GORT) and linear mixed model (LMM) data analysis results. Two clusters of trials were considered including those trials preceded by a go trial and other trials preceded by a stop trial. Given disparities between cluster type SSRTs, we need to consider some new indexes considering the unused cluster type information in the calculations. We introduce mixture SSRT and weighted SSRT as two new distinct indexes of SSRT that address the violated assumption. Mixture SSRT and weighted SSRT are theoretically asymptotically equivalent under special conditions. An example of stop single task (SST) real data is presented to show equivalency of these two new SSRT indexes and their larger magnitude compared to Logan's single 1994 SSRT.Abbreviations: ADHD: attention deficit hyperactivity disorder; ExG: Ex-Gaussiandistribution; GORT: reaction time in a go trial; GORTA: reaction time in a type A gotrial; GORTB: reaction time in a type B go trial; LMM: linear mixed model; SWAN:strengths and weakness of ADHD symptoms and normal behavior rating scale; SSD: stop signal delay; SR: signal respond; SRRT: reaction time in a failedstop trial; SSRT: stop signal reaction times in a stop trial; SST: stop signaltask.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».