MétaCan
Menu
Retour à la cohorte
Enregistrement W4376621049 · doi:10.1037/xhp0001111

Peri-hand space: A helping hand for faster object recognition in children.

2023· article· en· W4376621049 sur OpenAlexafffund
Nikola R. Klassen, Lindsay E Bamford, Jenni M. Karl

Notice bibliographique

RevueJournal of Experimental Psychology Human Perception & Performance · 2023
Typearticle
Langueen
DomainePsychology
ThématiquePsychological Testing and Assessment
Établissements canadiensThompson Rivers University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaThompson Rivers University
Mots-clésTouchscreenTask (project management)Visual searchEye–hand coordinationPsychologyObject (grammar)Eye trackingAudiologyComputer visionArtificial intelligenceComputer scienceCognitive psychologyMedicineHuman–computer interactionEngineering

Résumé

récupéré en direct d'OpenAlex

Visual processing is altered for stimuli located near the hands, in what is termed peri-hand space, but it is unclear whether peri-hand effects are stable across the lifespan. To investigate this, adults and 5- to 8-year-old children completed a naturalistic visual search task on a touchscreen monitor while wearing eye-tracking glasses. Upon recognizing a previously specified target image in a 12-image array, they released a pushbutton with their left index finger in order to reach out and touch the target. Participants completed the task twice, once with their right hand positioned on the monitor beside the visual array and once with their right hand positioned in their lap. Both children and adults were faster at recognizing the target when their right hand was near the array, but the magnitude of this peri-hand effect was greater in children than adults. The results are discussed in relation to the idea that object recognition may be facilitated within peri-hand space to a greater extent during childhood. (PsycInfo Database Record (c) 2023 APA, all rights reserved).

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,103
Tête enseignante GPT0,427
Écart entre enseignants0,324 · 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'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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Psychology Human Perception & PerformanceMême sujetPsychological Testing and AssessmentTravaux en français237 207