The TeensyTap Framework for Sensorimotor Synchronization Experiments
Notice bibliographique
Résumé
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 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 | 0,000 | 0,003 |
| 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 ».