MétaCan
Menu
Retour à la cohorte
Enregistrement W6977289323 · doi:10.6084/m9.figshare.4680622.v1

An earned presence: studying the effect of multi-task improvisation systems on cognitive and learning capacity

2017· article· en· W6977289323 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueAction Observation and Synchronization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmbodied cognitionCognitionProcess (computing)ImprovisationSet (abstract data type)Test (biology)Experiential learningCognitive robotics

Résumé

récupéré en direct d'OpenAlex

In this article, we articulate preliminary insights from two pilot studies. These studies contribute to an ongoing process of developing empirical, cross-disciplinary measures to understand the cognitive and learning effects of complex artistic practices – effects that we situate between theory of embodied concepts and conceptually calibrated physical attention and action. The stage of this process that we report on here was led by the cognitive performance studies scholar and dramaturge, Pil Hansen, and undertaken in collaboration with the experimental psychologist, Vina Goghari, and the behavioural economist, Robert Oxoby, assisted by four research assistants from Drama, Music, and Psychology at the University of Calgary. Our team set out to test the following hypothesis: <i>Active participation in performance generating systems has a positive effect on advanced student performers’ working memory capacity, executive functions, and learning</i>. Our results have implications, in particular, for understandings of embodied learning in the educational sector, however a perhaps more significant contribution is a better understanding of the measures and constructs needed to arrive at a more complex, yet operational concept of embodied learning and forward the experimental study of relationships between performing arts practices, cognition, and learning.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,288
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,121
Tête enseignante GPT0,369
Écart entre enseignants0,247 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetAction Observation and SynchronizationTravaux en français237 207