MétaCan
Menu
Retour à la cohorte
Enregistrement W4385477528 · doi:10.1007/s00221-023-06676-9

Psychophysiological stress influences temporal accuracy

2023· article· en· W4385477528 sur OpenAlexaff
Nicola Cellini, Simon Grondin, Franca Stablum, Michela Sarlo, Giovanna Mioni

Notice bibliographique

RevueExperimental Brain Research · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensUniversité Laval
Organismes subventionnairesUniversità degli Studi di Padova
Mots-clésAudiologyPsychologyArousalBisectionTime perceptionTask (project management)PerceptionStress (linguistics)Analysis of varianceDevelopmental psychologyCognitive psychologyNeuroscienceMedicine

Résumé

récupéré en direct d'OpenAlex

Distortions of duration perception are often observed in response to highly arousing stimuli, but the exact mechanisms that evoke these variations are still under debate. Here, we investigate the effect of induced physiological arousal on time perception. Thirty-eight university students (22.89 ± 2.5; 28 females) were tested with spontaneous finger-tapping tasks and a time bisection task (with stimuli between 300 and 900 ms). Before the time bisection task, half of the participants (STRESS group) performed a stress-inducing task, i.e., the Paced Auditory Serial Addition Test (PASAT), whereas the other participants (CONTROL group) performed a control task, the Paced Auditory Number Reading Task (PANRAT). The PASAT induced a greater heart rate, but not electrodermal, increase, as well as a more unpleasant and arousing state compared to the PANRAT. Moreover, although the two groups presented a similar performance at the finger-tapping tasks, participants in the STRESS group showed better temporal performance at the time bisection task (i.e., lower constant error) than the controls. These results indicate that psychophysiological stress may alter the subsequent perception of time.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,287
Tête enseignante GPT0,509
Écart entre enseignants0,222 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental Brain ResearchMême sujetNeuroscience and Music PerceptionTravaux en français237 207