MétaCan
Menu
Retour à la cohorte
Enregistrement W2998233795

Sensory modality and body-location imagery among persons with somatosensory amplification

2019· article· en· W2998233795 sur OpenAlexaboutno aff
Atsushi Okada, Jiro Gyoba

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSomatosensory systemSensory systemModality (human–computer interaction)PsychologyCommunicationComputer scienceArtificial intelligenceCognitive psychologyNeuroscience
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to assess whether somatosensory amplification influenced the relationship between basic emotions and sensory modality and body image by the modality differential (MD) method and the body-image location (BIL) scale.Approximately 130 undergraduate students were administered the Japanese Version of the Somatosensory Amplification Scale (SSAS) and were asked to rate the relevance of 10 sensory modalities (warm, cold, olfactory, gustatory, tactile, pain, equilibrium, kinesthetic, visual, and auditory) and 7 body parts (forehead, throat, chest, stomach, lower abdomen, internal organs, and whole body) to 6 basic emotions (happiness, sadness, fear, anger, surprise, and disgust).Participants also completed the Japanese version of the 20-item Toronto Alexithymia Scale.Each emotion was compared between the two groups (high and low SSAS) using the MD method and BIL scale.The high SSAS's relevance of sadness, fear, anger, and surprise to the proximal sensory image was stronger than that of the low SSAS.Moreover, the high SSAS's relevance of happiness, fear, anger, surprise, and disgust to body location image was stronger than that of the low SSAS.These results suggest that somatosensory amplification strongly influenced the combination of sensory modality and body image with emotion.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,244
Écart entre enseignants0,228 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetVirtual Reality Applications and ImpactsTravaux en français237 207