A plausible link between the time-on-task effect and the sequential task effect
Notice bibliographique
Résumé
Mental fatigue can be studied by using either the time-on-task protocol or the sequential task protocol. In the time-on-task protocol, participants perform a long and effortful task and a decrease in performance in this task is generally observed over time. In the sequential task protocol, a first effortful or control task is followed by a second effortful task. The performance in the second task is generally worse after the effortful task than after the control task. The principal aim of the present experiment is to examine the relationship between these two decrements in performance while concomitantly using a sequential task protocol and assessing the performance of the first effortful task as a function of time-on-task. We expect a positive correlation between these two decrements in performance. A total of 83 participants performed a 30-min fatiguing mental task (i.e., a modified Stroop task) or a control task followed by a time-to-exhaustion handgrip task. As expected, this protocol combining the time-on-task and sequential task protocols allowed us to observe (1) a decrease in performance over time during the Stroop task, (2) a worst performance in the handgrip task after the Stroop task by comparison to the control task, (3) a positive correlation between these two effects. The decrease in performance during the Stroop task also correlated with the subjective measures of boredom and fatigue, whereas the detrimental effect observed in the handgrip task did not. Our findings suggest that the two fatigue-related phenomena share a common mechanism but are not completely equivalent.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».