Substituting some unassisted practice with robotic guidance: Assessing the feasibility of auditory-cued mixed practice for music-based interventions
Notice bibliographique
Résumé
BACKGROUND: There is equivocal evidence regarding the effectiveness of robotic guidance on the (re)learning of voluntary motor skills. Robotic guidance can improve the performance of continuous/ tracking skills, although being seldom more effective than unassisted practice alone. However, most of the previous studies employed robotic guidance on all intervention trials. Recently, we showed that mixing robotic guidance with unassisted practice (i.e., mixed practice) can significantly improve the learning of a golf putting task. Yet, these mixed practice studies involved self-paced movements in a standing posture, thus less applicable to rehabilitation contexts. OBJECTIVE: The current study aimed to investigate the influence of mixed practice on the timing accuracy of an upper-limb, rhythmic, sequential task. The goal was to assess the feasibility of integrating mixed practice with music-based interventions. METHODS: Two groups of participants performed circle-drawing sequences in synchrony with rhythmic auditory signals. They completed a pre-test and an acquisition phase, followed by immediate retention and transfer tests. One group received robotic guidance on 50% of the acquisition trials (i.e., mixed practice), whereas another group always practiced unassisted. The pre-test, retention, and transfer tests were performed unassisted. RESULTS: Both groups significantly improved their timing accuracy and precision between the pre-test and the retention test. CONCLUSION: This study provides further evidence that mixed practice can facilitate the (re)learning of voluntary actions, especially with the type of externally paced upper-limb movements employed in music-based interventions.
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 | 0,002 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».