The experience of mental effort during a continuous performance task: Exploring the influence of task- and person-based factors
Notice bibliographique
Résumé
Using mental effort to engage in cognitively demanding tasks is associated with a conscious experience, and this experience serves as a regulatory mechanism. However, important issues remain in our understanding and measurement of the experience of mental effort. For example, essential questions about how person- and task-based factors influence the experience remain unanswered. This study explored how the experience of task-elicited effort and volitionally exerted effort during a continuous performance task (CPT) are associated with person-based (i.e., trait inattention and hyperactivity) and task-based (i.e., manipulations in interstimulus intervals) factors. Participants reported levels of trait inattention and hyperactivity and were randomly assigned to one of three CPT ISI conditions (1000, 3000, or 6000 ms) and provided mid-task ratings of their experience of task-elicited and volitionally exerted mental effort. Both person- and task-based factors were associated with these distinct facets of the experience of mental effort. Several direct relationships exist between trait inattention and hyperactivity, mental effort components, and performance outcomes. However, only one of four moderated mediation models revealed a significant indirect effect: volitionally exerted brain power significantly mediated the relationship between trait inattention and hyperactivity and commission error rates, moderated by task condition with the strongest effect in the 6000 ms ISI. No moderated mediation effects emerged for task-elicited mental effort or latency outcomes. Recognizing that individual differences and task demands result in differing experiences of mental effort which, in turn, predict task performance, is an essential step in tailoring activities and interventions.
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 | 0,005 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».