Effect of training to an area-cue on human saccadic eye movements
Notice bibliographique
Résumé
Introduction. Eye movement latency to targets can be shortened by advanced preparation of saccadic programs. Specifically, advanced saccade preparation can be enhanced through training to attend to a specific location in space (Paré & Munoz, 1996). However, people often know the area where a target will appear rather than its precise location. Here, we investigated how saccades were affected by training to attend to a circular area within which a target appeared at random locations. Additionally, we looked at how training to attend to an area of one size influenced saccades to targets presented in a larger circular area. Methods. Each trial began with a central fixation point, followed by simultaneously presenting a circular area-cue (6° or 10° diameter), for 400ms. These disappeared, and following a gap period (170ms or 220ms), the target was flashed for 68ms. Participants were required to quickly and accurately saccade to the target once it appeared. Saccade reaction time and position were recorded. To prevent anticipatory saccades, catch trials were included in pre- and post-training sessions where some targets were presented outside the area-cues. During the training sessions, the target was always presented within a 6° area at random locations. Results. Post-training goal-directed saccades were mostly anticipatory. Participants each developed a preferred region inside the trained area, where post-training anticipatory saccades were directed. This preferred region scaled with cued-area size, i.e. post-training distributions of saccade-end points greatly overlapped once normalized for cued-area position and size. From the preferred region subjects often generated visually driven corrective saccades to the target inside the area cue. Over all, there was no speed-accuracy trade off. Discussion. Present findings show that oculomotor preparations extend to areas, not just to a single target location. Compared to pre-training, the learned strategy assures that targets are acquired more quickly without loss of accuracy.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».