Perception of effort and the allocation of physical resources: A generalization to upper-limb motor tasks
Notice bibliographique
Résumé
Purpose: The perception of effort (PE) is widely used to prescribe and monitor exercise during locomotor and resistance tasks. The present study examines the validity of PE to prescribe and monitor exercise during upper-limb motor tasks under various loads and speed requirements. Methods: Forty participants volunteered in two experiments. In experiment 1, we used four PE intensities to prescribe exercise on a modified version of the box and block test (BBT) and a pointing task. We investigated the possibility of monitoring the exercise intensity by tracking changes in PE rating in response to three different tempos or additional weights. Experiment 2 replicated the possibility of prescribing the exercise with the PE intensity during the BBT and explored the impact of additional weights on performance and PE during the standardized version of the BBT. Muscle activation, heart rate, and respiratory frequencies were recorded. Results: In experiment 1, increasing the PE intensity to prescribe exercise induced an increased performance between each intensity. Increasing task difficulty with faster movement tempo and adding weight on the forearm increased the rating of PE. Experiment 2 replicated the possibility to use PE intensity for exercise prescription during the BBT. When completing the BBT with an additional weight on the forearm, participants maintained performance at the cost of a higher PE. In both experiments, changes in PE were associated with changes in muscle activation. Conclusion: Our results suggest that PE is a valid tool to prescribe and monitor exercise during upper-limb motor tasks.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».