Peneliti merekrut sembilan partisipan tanpa disabilitas untuk latihan selama empat hari. Mereka berjalan di treadmill sambil mengenakan protesis anggota tubuh bagian bawah yang dipasang dengan lutut ditekuk pada sudut siku-siku. Partisipan diminta berjalan secepat mungkin tanpa menyentuh pegangan tangan.
Setelah tiap sesi, mereka menonton animasi pola langkah dan memilih pola yang paling mirip dengan langkah mereka. Kinerja berjalan membaik selama latihan, tetapi penilaian diri berubah: awalnya mereka menilai langkah lebih kaku dan tidak seimbang, lalu menilai langkah lebih lancar dari kenyataannya. Peneliti melihat bahwa partisipan lebih memusatkan perhatian pada posisi torso dan kurang memperhatikan perangkat protesis. Mereka menyarankan memberi umpan balik visual agar citra tubuh dan pola langkah bisa dikalibrasi, serta memperingatkan risiko kepercayaan diri berlebihan.
Kata-kata sulit
- partisipan — orang yang ikut dalam sebuah penelitian
- protesis — alat buatan pengganti bagian tubuh
- torso — bagian tubuh antara pinggang dan leher
- kinerja — cara bekerja atau hasil kerja seseorang
- umpan balik — informasi tentang hasil untuk perbaikan
- kalibrasi — mengatur agar ukuran atau penilaian benardikalibrasi
- citra tubuh — gambaran atau pandangan tentang tubuh sendiri
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Bagaimana menurut Anda umpan balik visual bisa membantu kalibrasi citra tubuh dan pola langkah?
- Mengapa peneliti memperingatkan risiko kepercayaan diri berlebihan pada partisipan?
- Pernahkah Anda merasa menilai kemampuan sendiri berbeda dari kenyataan? Jelaskan singkat.
Artikel terkait
Ramalan Cuaca Lebih Baik Bisa Kurangi Kematian Karena Panas
Penelitian menemukan bahwa perbaikan ramalan cuaca jangka pendek dapat mengurangi kematian akibat panas seiring pemanasan iklim. Peringatan yang tepat memberi orang kesempatan melindungi diri; studi memperkirakan pengurangan besar di AS pada tahun 2100.
Model Bahasa Mengubah Penilaian Berdasarkan Identitas Pengarang
Peneliti University of Zurich menemukan bahwa large language models mengubah penilaian teks ketika diberi tahu siapa pengarangnya. Tanpa sumber, model sering sepakat, tetapi menyebut pengarang memicu bias, termasuk bias anti-Cina.