Perceptual learning of motion directions transfers to smooth pursuit eye movements
Notice bibliographique
Résumé
GOAL Perceptual learning (PL) studies find that practice improves motion direction discrimination. We previously showed that PL affects perceived motion direction (Szpiro-Grinberg, Spering, Carrasco; ECVP 2011). However, it is unknown whether this perceptual effect would transfer to motor actions. Using a direction estimation task, we examined PL and its effect on the direction of smooth pursuit eye movements. METHOD We presented a random-dot kinematogram (75% motion coherence, drifting at 10º/s) and after stimulus offset asked observers to estimate its motion direction by manually adjusting the angle of an arrow shown on the screen. All observers underwent a pre-test (day 1), training sessions (days 2-4) and a post-test (day5). During the testing sessions, we presented stimuli moving rightward or leftward along the horizontal axis or in a direction deviating ±3º from horizontal. During the training sessions, we only presented stimuli moving to one side. We conducted two experiments that differed only in the procedure of the testing sessions: in Experiment 1, observers fixated throughout the stimulus presentation; in Experiment 2, observers tracked the stimulus motion direction with their eyes. Both groups performed the estimation task. In the training sessions, all observers fixated during the stimulus presentation and then performed the estimation task. Comparing these experiments enabled us to isolate whether potential effects of PL on direction estimation would also transfer to pursuit directions. RESULTS In both experiments and for all directions PL produced an overestimation of motion direction away from the perceived horizontal. This result reveals that PL shifts perceived directions even when viewed under different retinal stimulation (fixation/pursuit). Moreover, in Experiment 2, pursuit directions also showed overestimation, as if the eyes followed the perceived directions. The results show that training perception is sufficient to alter pursuit direction, thus indicating that PL can transfer to a smooth pursuit motor response. Meeting abstract presented at VSS 2012
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 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».