Le temps psychologique et l’engagement dans l’évaluation des commotions cérébrales
Notice bibliographique
Résumé
Plusieurs chercheurs et professionnels de la santé soulignent l’importance d’améliorer la validité écologique des outils de détection des commotions cérébrales (CC), notamment en pratique sportive afin de susciter davantage l’engagement des athlètes envers le processus d’évaluation. Le développement d’une nouvelle approche de détection de CC a permis d’identifier la perception de la durée de l’évaluation comme un facteur potentiellement déterminant de l’engagement. La présente étude vise à déterminer s’il existe une relation entre l’engagement de l’individu et la durée perçue d’une tâche en fonction de sa structure segmentée ou non segmentée. Pour ce faire, le visionnement de séquences de jeu de soccer via l’application de Simulation ENgageante Immersive et Cognitive (SENIC) est effectué par deux échantillons de 22 étudiants-athlètes du Rouge et Or de l’Université Laval. À la lumière des résultats, il ne semble pas avoir d’influence significative de la segmentation de la tâche sur l’engagement auto-rapporté des participants ni sur l’expérience temporelle subjective. De plus, ces deux dernières variables ne présentent pas de corrélation significative. Les résultats de cette étude contribueront à rendre les outils de détection des CC plus engageants, rendant la performance des athlètes plus représentative de leur pratique sportive. C’est en comprenant le lien entre la performance et la réaction des athlètes au test SENIC qu’il serait possible d’améliorer le suivi des CC dans le domaine du sport.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».