Quantifying Brain Activities and Lower-Limb Movements during Dual Task Activity Assisted with Auditory Biofeedback: A Pilot Study
Notice bibliographique
Résumé
Conducting multiple tasks at the same time is a staple habit in our daily life.But during multitasking, there are notable reductions in performance and movement mechanics.Studying the effects of 'dual task' protocols will provide an understanding about its impact on movement and cognitive processing.During dual tasking scenarios, cognitive processing is strained, resulting in additional cognitive resource allocation to maintain performance.Biofeedback methods have been used to improve movement mechanics in upper and lower body (particularly during walking) and have yielded promising results.However, questions arise about whether a cognitively challenging setting such as a 'Dual Task' protocol, with a biofeedback method, impairs tasks further because the brain must process additional external information while already under stress.The aim of this pilot study was to explore the role of rhythmic cues as a biofeedback method in changing lower limb movement patterns in a cognitively challenging arrow matching dual task protocol.Five young adults participated in a foot tapping + flanker task dual task experiment, where rhythmic metronome beats were provided as biofeedback to match foot taps during a dual task protocol (the rhythm of a metronome was set from the natural foot tapping frequency of the participants which was determined before the experiments commenced).Electroencephalography, kinematic data of the ankle joints, and foot tap forces were collected and analysed.Findings suggested rhythmic biofeedback from the metronome negatively impacted on foot tapping variability during dual task protocol.Additional observations indicated that biofeedback diverted attention towards having a more stable foot tapping performance, but at the cost of performance in the arrow matching task (decreased accuracy).Further studies will assist in identifying the usefulness of biofeedback methods for improving multitasking capabilities, including performing both tasks efficiently.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».