The relationship between eye and head movements during locomotion with visual pursuit tasks
Notice bibliographique
Résumé
Purpose: In daily life, visual tasks from fixating and pursuit to search and discriminations, often have to be performed while the observer is in motion rather than immobile. Locomotion, however, induces various head movements (HM), which displace the eye and need to be compensated for in order for the eye to be directed appropriately. Here we studied the effects of locomotion on the accuracy of eye position during fixation and linear pursuit of moving spots. Methods: Observers were standing, walking or running on a treadmill. Translational and rotational HM (pitch, bob, yaw, heave) were measured with an OptiTrack motion capture system, and eye position was recorded with an EyeLink eye tracker, while observers attempted to keep their eyes on a stationary or horizontally or vertically oscillating spot with different amplitude and velocity. Results: Pitch and yaw angles remained constant for all pursuit movements when observers were standing, while these angles varied systematically with locomotion, especially for walking. Bob-pitch, and heave-yaw movements were correlated in most visual conditions, such as to compensate for each other's deviations. When comparing the influence of visual stimulus amplitude or velocity on pitch and yaw movements, standing and running gave fairly similar results, while walking resulted in increased downward pitch. Conclusion: While both kinds of locomotion introduced more pursuit errors and more variability, running was in many ways less disruptive than walking, providing some evidence for the contention that in the case of running, compensation for HM is especially well adapted (Bramble & Lieberman, 2004).
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 | 0,005 |
| 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) | 0,001 | 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 ».