Evaluating eye-hand coordination with digital technologies
Notice bibliographique
Résumé
Digital tools, such as computerized wobble boards (WB), offer a novel approach to assess dynamic balance in lower limbs. Since their potential for evaluating eye-hand coordination remains unexplored, this study assessed the inter-test reliability and concurrent validity of WB measurements for upper limb fine motor skills, proposing WB as an alternative to the Grooved Pegboard test (GPT). Fifty-three healthy participants completed WB and GPT tests, and a WB retest after 48 h. The custom WB software displayed real-time performance via a motion marker and target zone. Participants moved the marker within the target zone following predefined patterns (clockwise, counterclockwise, anteroposterior, mediolateral) across four 15-s trials per hand. Performance was quantified as the duration (s) the marker remained in the target zone under each condition. According to Intraclass correlation coefficients (ICC) WB demonstrated good to excellent reliability (ICC: 0.62–0.80), acceptable Standard Error of Measurement ( SEM : 0.96–2.14 s), and minimal detectable change (MDC 95 : 1.90–4.25 s). Moderate to strong correlations (r = − 0.30 to − 0.54) between WB and GPT outcomes suggested WB captured related aspects of fine motor coordination. These findings confirm WB’s reliability and validity as a tool for assessing eye-hand coordination. Further validation is needed in training or rehabilitation contexts.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,000 |
| 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 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 ».