Automatic affective reactions to physical effort
Notice bibliographique
Résumé
Dataset for the study titled "automatic affective responses during physical effort: a virtual reality study". This dataset includes: <strong>1) A codebook (including the name of the main variables)</strong> --> "code_book_affect_effort.xlsx" <strong>2) Behavioral data (raw)</strong> --> in the folder "data_ps_VR". The raw data are added for transparency, but are not necessary to run the models. <strong>3) Self-reported data (raw)</strong> --> "20220112_VR_expe.xlsx" --> "20220112_VR_pilot.xlsx" The raw data are added for transparency, but are not necessary to run the models. <strong>4) clean data ready to used for the statistical analyses</strong> --> "data_VR_all_clean.csv". This clean data are produced by the R script. These data included the self-reported and the behavioral measures. <strong>5) R script for the data management (i.e., from the raw data to data ready to be analyzed)</strong> --> "data_management_effort.R" to create the dataset (return the file: "data_VR_all_clean.RData") <strong>6) R script for the models tested</strong> --> "Data_mixed_effects_models.R" for the models tested in the paper
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,559 | 0,072 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».