MétaCan
Menu
Retour à la cohorte
Enregistrement W4385199334 · doi:10.5539/cis.v16n3p7

The Effect of the Educational Robot on the Motor Reaction on Some Karate Skills

2023· article· en· W4385199334 sur OpenAlexvenueno aff
Mohammed Asim Ghazi

Notice bibliographique

RevueComputer and Information Science · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSports and Physical Education Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSignificant differenceStandard deviationMean differenceComputer scienceMathematicsStatisticsConfidence interval

Résumé

récupéré en direct d'OpenAlex

The effect of the educational robot on the motor reaction on some karate skills> have revolutionized various aspects of life, including education and training. Which integrate artificial intelligence with the emotional aspect of the learner. And the overall learning process. By incorporating artificial intelligence, these programs can provide personalized learning experiences and meet individual needs. To calculate the improvement ratio and the difference between the means, as well as the effect size ratio, we can use the following formulas: Average motor reaction time Difference between means= Average motor reaction time Average skill performance time Effect Size Ratio= Difference between means= Standard Deviation Let's calculate these values for each skill: -85.55 Difference between means= -46.42 Difference between means= -88.9 Difference between means= -83.7 Difference between means= 88 Difference between means= -49.762 Effect Size Ratio= Difference between means= Standard Deviation Using the provided standard deviation of 0.078, let's calculate the effect size ratio for each skill: Difference between means= -33.815 Effect Size Ratio= Difference between means= -41.438 Effect Size Ratio= Difference between means= -41.894 Effect Size Ratio= Difference between means= -39.737 Effect Size Ratio= Difference between means= -49.762 Effect Size Ratio= Negative values indicate a decrease in performance. Noting that the results are negative is not evidence of poor results, but to measure the reaction rate and response speed, I need a little time through the treatments, The difference between means is -33.815, The effect size ratio is -433. Indicating a large effect size. The difference between means is -41.438, The effect size ratio is -530. Indicating a large effect size. The difference between means is -41.894, The effect size ratio is -536. Indicating a large effect size. The difference between means is -39.737, The effect size ratio is -509. Indicating a large effect size. The difference between means is -49.762, The effect size ratio is -63.79, indicating a large effect size by incorporating these recommendations.

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)0,002
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,031
Tête enseignante GPT0,429
Écart entre enseignants0,398 · 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'étudeEssai non randomisé
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'admission1
Résumé présentoui

Explorer davantage

Même revueComputer and Information ScienceMême sujetSports and Physical Education ResearchTravaux en français237 207