Navigating Virtual Collisions: Insights Into Perception–Action Differences in Children and Young Adults Using a Head-On Avoidance Task
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
Children tend to make more last-minute locomotor adjustments than adults when avoiding stationary obstacles. The purpose of this study was to compare avoidance behaviors of middle-aged children (10–12 years old) with young adults during a head-on collision course with an approaching virtual pedestrian. Participants were immersed in a virtual environment and completed a perceptual decision-making task in which they had to respond to the future direction of an approaching virtual pedestrian once they disappeared. Following the perceptual task, participants walked along an 8-m pathway toward a goal, while avoiding a collision with a virtual pedestrian who approached along the midline than veered toward the left, right, or continued walking straight. Results revealed that children were able to correctly predict the future directions of the virtual pedestrian similar to adults, albeit at a slower response time (0.55 s vs. 0.33 s). During the action task, children initiated a deviation in their travel path later (i.e., closer to the virtual pedestrian) compared to adults (1.65 s vs. 1.52 s). Children were also more variable in their onset of deviation and time-to-contact. Although children appear to have developed adult-like perceptual abilities and can avoid an approaching virtual pedestrian, children employ riskier avoidance strategies and are highly variable, suggesting middle-aged children are still fine-tuning their perception-action system.
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 | 0,000 | 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 | 0,001 |
| 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