MétaCan
Menu
← Retour à la cohorte
Enregistrement W4283204520 · doi:10.1038/s41598-022-14649-1

Malleability of time through progress bars and throbbers

2022· article· en· W4283204520 sur OpenAlexafffund
Mounia Ziat, Wafa Saoud, Sonja Prychitko, Philip Servos, Simon Grondin

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensWilfrid Laurier UniversityUniversité LavalIzaak Walton Killam Health Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésStimulus (psychology)IllusionPerceptionTime dilationTime perceptionSecond-order stimulusComputer scienceMathematicsArtificial intelligenceComputer visionCognitive psychologyPsychologyPhysicsNeuroscienceVisual perceptionClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Compared to a stationary pattern, a moving pattern dilates the perception of time. However, when it comes to comparing only moving stimulus, the exact dilation effects are less clear. The time dilation may be attributed to either speed of motion, temporal and spatial frequency, stimulus complexity, or the number of changes in the stimulus pattern. In the present study, we used progress bars and throbbers for inducing impressions of fast and slow "apparent" motions while the speed of motion and distance covered was actually equivalent across all conditions. The results indicate that higher number of steps produced the impression of a faster progression leading to an underestimation of time, whereas a progression in large fewer steps, produced slower apparent progression, creating the illusion of dilated time. We suggest that the perception of time depends on the nature of the stimulus rather than the speed of motion or the distance covered by the stimulus.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,032
Tête enseignante GPT0,281
Écart entre enseignants0,249 · 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
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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetNeuroscience and Music Perception→Travaux en français237 207→