MétaCan
Menu
Retour à la cohorte
Enregistrement W3000002674 · doi:10.1111/nyas.14295

A new look at the cognitive neuroscience of video game play

2020· review· en· W3000002674 sur OpenAlexaff
Gillian Dale, Augustin Joessel, Daphné Bavelier, C. Shawn Green

Notice bibliographique

RevueAnnals of the New York Academy of Sciences · 2020
Typereview
Langueen
DomainePsychology
ThématiqueCognitive Abilities and Testing
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésVideo gameEntertainmentCognitionAction (physics)PsychologyPerceptionCognitive neuroscienceGame mechanicsCognitive psychologyCognitive loadMultimediaComputer scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

A growing body of literature has investigated the effects of playing video games on brain function and behavior. One key takeaway from this literature has been that not all entertainment video games are created equal with respect to their effects on cognitive functioning. The majority of the research to date has contrasted the cognitive impact of playing first- or third-person shooter games (together dubbed "action video games") against the effects of playing other game types. Indeed, when the research began in the late 1990s, action video games placed a load upon the perceptual, attentional, and cognitive systems in a manner not seen in other video games. However, the video game industry has shifted dramatically over the intervening years. In particular, first- and third-person shooter games are no longer unique in the extent to which they load upon cognitive abilities. Instead, a host of other game genres appear to place similar degrees of load upon these systems. This state of affairs calls for a paradigm shift in the way that the cognitive neuroscience field examines the impact of video game play on cognitive skills and their neural mediators-a shift that is only just now slowly occurring.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,266
Tête enseignante GPT0,440
Écart entre enseignants0,173 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations128
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the New York Academy of SciencesMême sujetCognitive Abilities and TestingTravaux en français237 207