MétaCan
Menu
Retour à la cohorte
Enregistrement W4297200332 · doi:10.1016/j.dib.2022.108630

Dataset of physiological, behavioral, and self-report measures from a group decision-making lab study

2022· article· en· W4297200332 sur OpenAlexaff
Alon Burns, Sebastian Wallot, Yair Berson, Ilanit Gordon

Notice bibliographique

RevueData in Brief · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensMcMaster University
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésTask (project management)PsychologyData collectionApplied psychologyAnxietyTraitSocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

This paper presents data from a study conducted in twenty groups of three participants each. Data were collected from sixty participants during a lab visit which was video recorded from several angles. Upon arrival to the lab and following informed consent, participants were told that they would be a part of a group decision-making task and were given instructions for a procedure titled "the desert survival task" Lafferty and Pond (1974). Participants were then connected to several electrodes on their upper body and palm for the collection of their electrocardiogram, respiration and electrodermal activity throughout the group task. Participants then performed the task together. The collection of physiological data from all group members was conducted simultaneously and in synchrony with the video recording. The video recordings of the group interactions were later coded by trained psychology students for positive affective behaviors made by participants (smiling and laughing) throughout the group task. Self-report measures (trait anxiety and social phobia) were collected prior to the group task from all participants. This multimodal dataset thus integrates behavioral, self-report, and physiological measures from group members, which are important for understanding group dynamics. These data will allow verification, replications, and additional analyses of the data from new perspectives.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,258
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,222
Tête enseignante GPT0,499
Écart entre enseignants0,277 · 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.

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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetMental Health Research TopicsTravaux en français237 207