MétaCan
Menu
Retour à la cohorte
Enregistrement W3113145870 · doi:10.5709/acp-0304-y

The TeensyTap Framework for Sensorimotor Synchronization Experiments

2020· article· en· W3113145870 sur OpenAlexaff
Floris T. van Vugt

Notice bibliographique

RevueAdvances in Cognitive Psychology · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensUniversité de MontréalMcGill University
Organismes subventionnairesnon disponible
Mots-clésMetronomeComputer scienceSynchronizingSynchronization (alternating current)SoftwareProcess (computing)MillisecondHuman–computer interactionReal-time computingRhythm

Résumé

récupéré en direct d'OpenAlex

Synchronizing movements with an external periodic stimulus, such as tapping your foot along with a metronome, is a remarkable human skill called sensorimotor synchronization. A growing body of literature investigates this process, but experiments require collecting responses with high temporal reliability, which often requires specialized hardware. The current article presents and validates TeensyTap, an inexpensive, highly functional framework with excellent timing performance. The framework uses widely available, low-cost hardware and consists of custom-written open-source software and communication protocols. TeensyTap allows running complete experiments through a graphical user interface and can simultaneously present a pacing signal (metronome), measure movements using a force-sensitive resistor, and deliver auditory feedback, with optional experimenter-specified artificial feedback delays. Movement data is communicated to a computer and saved for offline analysis in a format that allows it to be easily imported into spreadsheet programs. The present work also reports a validation experiment showing that timing performance of TeensyTap is highly accurate, ranking it among the gold standard tools available in the field. Metronome pacing signals are presented with millisecond accuracy, feedback sounds are delivered on average 2 ms following the subjects' taps, and the timing log files produced by the device are unbiased and accurate to within a few milliseconds. The framework allows for a range of experimental questions to be addressed and, since it is open source and transparent, researchers with some technical expertise can easily adapt and extend it to accommodate a host of possible future experiments that have yet to be imagined.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0040,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0380,007

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 Opus0,103
Tête enseignante GPT0,444
Écart entre enseignants0,341 · 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
GenreMéthodes

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

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Cognitive PsychologyMême sujetNeuroscience and Music PerceptionTravaux en français237 207