MétaCan
Menu
Retour à la cohorte
Enregistrement W3127516156 · doi:10.71781/449

Bayesian modeling of biological motion perception in sport

2020· dissertation· en· W3127516156 sur OpenAlexfundno aff
Khashayar Misaghian

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2020
Typedissertation
Langueen
DomaineMedicine
ThématiqueWinter Sports Injuries and Performance
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBayesian probabilityPerceptionBiological motionMotion (physics)Artificial intelligenceComputer sciencePsychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

La perception d’un mouvement biologique correspond à l’aptitude à recueillir des informations (comme par exemple, le type d’activité) issues d’un objet animé en mouvement à partir d’indices visuels restreints. Cette méthode a été élaborée et instaurée par Johansson en 1973, à l’aide de simples points lumineux placés sur des individus, à des endroits stratégiques de leurs articulations. Il a été démontré que la perception, ou reconnaissance, du mouvement biologique joue un rôle déterminant dans des activités cruciales pour la survie et la vie sociale des humains et des primates. Par conséquent, l’étude de l’analyse visuelle de l’action chez l’Homme a retenu l’attention des scientifiques pendant plusieurs décennies. Ces études sont essentiellement axées sur informations cinématiques en provenance de différents mouvements (comme le type d’activité ou les états émotionnels), le rôle moteur dans la perception des actions ainsi que les mécanismes sous-jacents et les substrats neurobiologiques associés. Ces derniers constituent le principal centre d’intérêt de la présente étude, dans laquelle nous proposons un nouveau modèle descriptif de simulation bayésienne avec minimisation du risque. Ce modèle est capable de distinguer la direction d’un ballon à partir d’un mouvement biologique complexe correspondant à un tir de soccer. Ce modèle de simulation est inspiré de précédents modèles, neurophysiologiquement possibles, de la perception du mouvement biologique ainsi que de récentes études. De ce fait, le modèle présenté ici ne s’intéresse qu’à la voie dorsale qui traite les informations visuelles relatives au mouvement, conformément à la théorie des deux voies visuelles. Les stimuli visuels utilisés, quant à eux, proviennent d’une précédente étude psychophysique menée dans notre laboratoire chez des athlètes. En utilisant les données psychophysiques de cette étude antérieure 3 et en ajustant une série de paramètres, le modèle proposé a été capable de simuler la fonction psychométrique ainsi que le temps de réaction moyen mesurés expérimentalement chez les athlètes. Bien qu’il ait été établi que le système visuel intègre de manière optimale l’ensemble des indices visuels pendant le processus de prise de décision, les résultats obtenus sont en lien avec l’hypothèse selon laquelle les indices de mouvement sont plus importants que la forme dynamique dans le traitement des informations relatives au mouvement. Les simulations étant concluantes, le présent modèle permet non seulement de mieux comprendre le sujet en question, mais s’avère également prometteur pour le secteur de l’industrie. Il permettrait, par exemple, de prédire l’impact des distorsions optiques, induites par la conception de verres progressifs, sur la prise de décision chez l’Homme. Mots-clés : Mouvement biologique, Bayésien, Voie dorsale, Modèle de simulation hiérarchique, Fonction psychométrique, Temps de réaction

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,166
Score d'incertitude au seuil0,943

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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 tête enseignante, 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)Même sujetWinter Sports Injuries and PerformanceTravaux en français237 207