Consulting the vestibular system is simply a must if you want to optimize gaze shifts
Notice bibliographique
Résumé
Even simple activities like reaching for our morning cup of coffee require precisely coordinated movements of multiple parts of the body. Successive attempts at these movements are characterized by ‘repetition without repetition’ (Bernstein, 1967). For this reason, it is thought that the brain does not enforce the details of a specific movement trajectory, but rather uses on-line feedback to optimize acquisition of the movement goal. However, a study in this issue of Brain demonstrates that when we make coordinated movements of the eyes and head to redirect our gaze, we use an optimal strategy that depends on vestibular sensory input: a strategy unavailable to patients with total vestibular loss. These results provide the first evidence that the vestibular system is critical for optimizing voluntary movements (Saglam et al. , 2014). When we make coordinated eye and head movements to redirect our axis of gaze relative to space (gaze = eye-in-head + head-in-space), movement accuracy is preserved even when the head’s trajectory is experimentally altered (Cullen, 2004). This happens because within milliseconds vestibular feedback rapidly alters the motor commands to the eye and head musculature to ensure gaze accuracy (Sylvestre and Cullen, 2006). For example, when a load is transiently applied to the head during a gaze shift, both the response duration and dynamics of neurons commanding the eye movement are updated—midflight—to preserve global movement accuracy. Thus, variability across movement trajectories is not problematic because the end goal of the movement is achieved as a result of on-line vestibular feedback. However, a remaining challenge has been to develop theoretical approaches to explicitly assess whether the gaze (as well as limb; Scott, …
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».