MétaCan
Menu
Back to cohort
Record W3127516156 · doi:10.71781/449

Bayesian modeling of biological motion perception in sport

2020· dissertation· en· W3127516156 on OpenAlexfundno aff
Khashayar Misaghian

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2020
Typedissertation
Languageen
FieldMedicine
TopicWinter Sports Injuries and Performance
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsBayesian probabilityPerceptionBiological motionMotion (physics)Artificial intelligenceComputer sciencePsychologyNeuroscience

Abstract

fetched live from OpenAlex

La perception d’un mouvement biologique correspond à l’aptitude à recueillir des informations (comme par exemple, le type d’activité) issues d’un objet animé en mouvement à partir d’indices visuels restreints. Cette méthode a été élaborée et instaurée par Johansson en 1973, à l’aide de simples points lumineux placés sur des individus, à des endroits stratégiques de leurs articulations. Il a été démontré que la perception, ou reconnaissance, du mouvement biologique joue un rôle déterminant dans des activités cruciales pour la survie et la vie sociale des humains et des primates. Par conséquent, l’étude de l’analyse visuelle de l’action chez l’Homme a retenu l’attention des scientifiques pendant plusieurs décennies. Ces études sont essentiellement axées sur informations cinématiques en provenance de différents mouvements (comme le type d’activité ou les états émotionnels), le rôle moteur dans la perception des actions ainsi que les mécanismes sous-jacents et les substrats neurobiologiques associés. Ces derniers constituent le principal centre d’intérêt de la présente étude, dans laquelle nous proposons un nouveau modèle descriptif de simulation bayésienne avec minimisation du risque. Ce modèle est capable de distinguer la direction d’un ballon à partir d’un mouvement biologique complexe correspondant à un tir de soccer. Ce modèle de simulation est inspiré de précédents modèles, neurophysiologiquement possibles, de la perception du mouvement biologique ainsi que de récentes études. De ce fait, le modèle présenté ici ne s’intéresse qu’à la voie dorsale qui traite les informations visuelles relatives au mouvement, conformément à la théorie des deux voies visuelles. Les stimuli visuels utilisés, quant à eux, proviennent d’une précédente étude psychophysique menée dans notre laboratoire chez des athlètes. En utilisant les données psychophysiques de cette étude antérieure 3 et en ajustant une série de paramètres, le modèle proposé a été capable de simuler la fonction psychométrique ainsi que le temps de réaction moyen mesurés expérimentalement chez les athlètes. Bien qu’il ait été établi que le système visuel intègre de manière optimale l’ensemble des indices visuels pendant le processus de prise de décision, les résultats obtenus sont en lien avec l’hypothèse selon laquelle les indices de mouvement sont plus importants que la forme dynamique dans le traitement des informations relatives au mouvement. Les simulations étant concluantes, le présent modèle permet non seulement de mieux comprendre le sujet en question, mais s’avère également prometteur pour le secteur de l’industrie. Il permettrait, par exemple, de prédire l’impact des distorsions optiques, induites par la conception de verres progressifs, sur la prise de décision chez l’Homme. Mots-clés : Mouvement biologique, Bayésien, Voie dorsale, Modèle de simulation hiérarchique, Fonction psychométrique, Temps de réaction

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.166
Threshold uncertainty score0.943

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.009
GPT teacher head0.201
Teacher spread0.192 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations1
Published2020
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicWinter Sports Injuries and PerformanceFrench-language works237,207