Measurement and Quantification of Stress in the Decision Process: A Model-Based Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This systematic literature review comprehensively assesses the measurement and quantification of decisional stress using a model-based, theory-driven approach. It adopts a dual-mechanism model capturing both System 1 and System 2 thinking. Mental stress, influenced by factors such as workload, affect, skills, and knowledge, correlates with mental effort. This review aims to address 3 research questions: (a) What constitutes an effective experiment protocol for measuring physiological responses related to decisional stresses? (b) How can physiological signals triggered by decisional stress be measured? (c) How can decisional stresses be quantified using physiological signals and features? We developed a search syntax and inclusion/exclusion criteria based on the model. The literature search we conducted in 3 databases (Web of Science, Scopus, and PubMed) resulted in 83 papers published between 1990 and September 2023. The literature synthesis focuses on experiment design, stress measurement, and stress quantification, addressing the research questions. The review emphasizes historical context, recent advancements, identified knowledge gaps, and potential future trends. Insights into stress markers, quantification techniques, proposed analyses, and machine-learning approaches are provided. Methodological aspects, including participant selection, stressor configuration, and criteria for choosing measurement devices, are critically examined. This comprehensive review describes practical implications for decision-making practitioners and offers insights into decisional stress for future research.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle