Effort and its perception revisited: How physical-domain insights could lead toward a unified theory
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
Effort influences decisions to initiate and sustain physical and cognitive tasks. Although the perception of effort is central to human behaviour, its underlying mechanisms—especially in the cognitive domain—remain poorly understood. Building on knowledge from physical exertion, this article introduces the concepts of effort and effort perception through a multidisciplinary lens, integrating insights from exercise sciences, (neuro)physiology, and psychology.We begin by highlighting the inconsistent definitions of effort in the literature and propose a transdisciplinary definition: the intentional engagement of physical and cognitive resources to perform—or attempt to perform—a task. We then review methods for measuring effort, emphasizing the current limitations of physiological and performance-based variables. We argue that, when adequately contextualized as a unique perception dissociated from other exercise-related perceptions, the self-report of effort currently provides the most viable way to investigate effort.Next, we explore theoretical models explaining effort perception in physical tasks, focusing on the corollary discharge model as a promising theoretical framework. While this model offers valuable insights, it does not fully account for exerting effort during cognitive tasks. We suggest refining the corollary discharge model to encompass cognitive exertion, thus breaking the traditional silos between the physical and cognitive domains.Finally, we outline key challenges for future research: defining “resources” more clearly, developing reliable measurement tools for effort and its (neuro)physiological correlates, and determining whether effort perception is domain-general or domain-specific. We end by discussing the broad implications of our new account of effort for performance, health, and behavioural science.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle