MétaCan
Menu
Retour à la cohorte
Enregistrement W6925208014 · doi:10.17605/osf.io/nw3qc

Visual-motor experience and motor imagery in hand gestures

2022· other· en· W6925208014 sur OpenAlexaff

Notice bibliographique

RevueOpen Science Framework · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMotor imageryKinesthetic learningGestureMental imageMovement (music)Auditory imageryMotor learningMotor skill

Résumé

récupéré en direct d'OpenAlex

Our goal is to determine how the type of sensori-motor practice experience (i.e., physical and visual experience) influence the ability to perform motor imagery (the mental rehearsal of a motor task). There are differences in an individual’s ability to use visual imagery (imagining how a movement looks) and kinesthetic imagery (imagining how a movement feels), that we predict are dependent on the type of experience an individual has with the skills they are imagining. In this experiment, we measure motor imagery ability by comparing actual and imagined movement times and subjective ratings of motor imagery quality and ease of generation. We will test motor imagery ability before, during and after different types of practice experiences. Participants will be randomized into three groups and imagine performing two hand gesture sequences. These sequences will comprise 4 and 6 gestures from the American Sign Language alphabet. They will imagine these sequences before and after either 1) physical practice, 2) observational practice, or 3) no-practice (i.e., control group), according to group assignment. The physical and observational practice groups will practice in pairs, with one participant physically practicing without visual feedback (hand occluded) and the other practicing by observation only. A control group will not practice. All assessments of motor imagery ability will be completed individually. Group differences in task-specific motor imagery measures following practice will allow us to infer how different types of practice impact motor imagery ability. We will take measures of both visual (how the movement looks) and kinesthetic (how the movement feels) motor imagery. Our primary measures will be time to complete the motor imagery of each sequence in comparison to how long it takes to physically complete the sequence , so termed mental chronometry. Imagined and actual movement times are defined as the time from (imagined) movement onset to the end of the (imagined) movement, both signaled by the press of the spacebar on a keyboard by the participant. We will also ask for subjective ratings of motor imagery ability for the sequences and test performance on both hands (i.e., trained and non-trained hands).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,362
Écart entre enseignants0,342 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkTravaux en français237 207