MétaCan
Menu
Retour à la cohorte
Enregistrement W4399003348 · doi:10.7910/dvn/rnl8ka

Implicit sense of agency in independent and joint actions

2020· dataset· en· W4399003348 sur OpenAlexaff
Michael Jenkins

Notice bibliographique

RevueHarvard Dataverse · 2020
Typedataset
Langueen
DomaineNeuroscience
ThématiqueFree Will and Agency
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSense (electronics)Agency (philosophy)Joint (building)Computer scienceEpistemologyChemistryEngineeringPhilosophyArchitectural engineering

Résumé

récupéré en direct d'OpenAlex

This dataset contains the raw data for the three experiments reported in the manuscript titled "Implicit sense of agency in independent and joint actions". Each file contains the data obtained by a single participant, with rows corresponding to individual trials and columns corresponding to different pieces of information recorded for each trial. In each experiment, the data contains numerical estimates made by participants undergoing versions of an intentional binding task, either alone or jointly with another participant. These estimates reflect the perceived time between the participant's action (e.g., pressing a button) and a consequent auditory tone that was played after a variable delay. Experiment 1A includes data from 100 participants performing a task in which they were paired together and pressed a key on their own or at the same time as the other participant. Experiment 1B includes data from 16 participants performing a similar task in which they simply reported the time between two auditory tones. Experiment 2 includes data from 72 participants performing a task in which they were paired together and engaged in a joint task: one participant moved a mouse to move an on-screen cursor towards a stimulus, and the other participant clicked the same mouse when the cursor reached the stimulus.

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0250,029

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 Opus0,056
Tête enseignante GPT0,267
Écart entre enseignants0,211 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHarvard DataverseMême sujetFree Will and AgencyTravaux en français237 207