MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307980211 · doi:10.1101/2022.10.31.514569

Do we perform as well as we think we do? A systematic scoping review of self-evaluation of upper-extremity motor performance

2022· preprint· en· W4307980211 sur OpenAlexafffund
Lucas D. Crosby, Gabriela Rozanski, Mira Browne, Avril Mansfield, Kara K. Patterson

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensSunnybrook Health Science CentreUniversity Health NetworkToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesToronto Rehabilitation Institute
Mots-clésConstruct (python library)ReplicateTask (project management)Systematic reviewComputer scienceContext (archaeology)Physical medicine and rehabilitationPsychologyApplied psychologyMachine learningCognitive psychologyMedicineMEDLINEStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

The ability to self-evaluate motor performance or estimate performance errors is beneficial for motor learning or relearning in the context of neurologic injury. Some evidence suggests those with injury like stroke may be unable to accurately self-evaluate their performance; however, it is unclear if individuals who are absent of injury are accurate in this domain. We aimed to investigate the accuracy of self-evaluation and potential influencing factors by conducting a systematic search to identify literature involving the self- and objective-evaluation of upper-extremity motor tasks. Twenty-three studies satisfied inclusion criteria. Data revealed a moderate positive correlation between self- and objective evaluations across a variety of tasks, from trivial button pressing to specialized surgical suturing. Both under- and overestimation of performance was found across the papers. Key factors identified to influence the accuracy of self-evaluation were the task purpose, familiarity, difficulty, and whether an individual received a demonstration. This review identified some limitations in this field of research. Most notably, we found that very few studies have investigated the accuracy of self-evaluation of motor performance with the primary goal of comparison to objective performance. Many studies reported the data but did not make direct statistical comparisons. Moreover, due to inconsistencies between how self and objective-evaluations were conducted, we argue that in this area of investigation self-evaluation tools need to replicate the objective evaluation method, or at minimum the self-evaluation tool should ask questions specific to the construct of performance that is being measured objectively.

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)0,035
score de la tête « metaresearch » (Gemma)0,199
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,199
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0070,006
Bibliométrie0,0160,014
Études des sciences et des technologies0,0010,002
Communication savante0,0060,007
Science ouverte0,0030,003
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,020
Tête enseignante GPT0,246
Écart entre enseignants0,226 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMuscle activation and electromyography studies→Travaux en français237 207→