The Multiple Object Avoidance (MOA) task measures attention for action: Evidence from driving and sport
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Performance in everyday tasks, such as driving and sport, requires allocation of attention to task-relevant information and the ability to inhibit task-irrelevant information. Yet there are individual differences in this attentional function ability. This research investigates a novel task for measuring attention for action, called the Multiple Object Avoidance task (MOA), in its relation to the everyday tasks of driving and sport. The aim in Study 1 was to explore the efficacy of the MOA task to predict simulated driving behaviour and hazard perception. Whilst also investigating its test-retest reliability and how it correlates to self-report driving measures. We found that superior performance in the MOA task predicted simulated driving performance in complex environments and was superior at predicting performance compared to the Useful Field of View task. We found a moderate test-retest reliability and a correlation between the attentional lapses subscale of the Driving Behaviour Questionnaire. Study 2 investigated the discriminative power of the MOA in sport by exploring performance differences in those that do and do not play sports. We also investigated if the MOA shared attentional elements with other measures of visual attention commonly attributed to sporting expertise: Multiple Object Tracking (MOT) and cognitive processing speed. We found that those that played sports exhibited superior MOA performance and found a positive relationship between MOA performance and Multiple Object Tracking performance and cognitive processing speed. Collectively, this research highlights the utility of the MOA when investigating visual attention in everyday contexts.
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.
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 | 0,007 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle