MétaCan
Menu
← Retour à la cohorte
Enregistrement W2006769613 · doi:10.1167/11.11.945

Vision at high limb velocities: The importance of visual feedback for online control at high limb velocities early in a movement

2011· article· en· W2006769613 sur OpenAlexaff
Alysse Kennedy, Luc Tremblay

Notice bibliographique

RevueJournal of Vision · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMovement (music)Artificial intelligenceContrast (vision)Computer visionTrajectoryVisual controlComputer sciencePhysical medicine and rehabilitationPhysicsMedicineAcoustics

Résumé

récupéré en direct d'OpenAlex

Our previous work has shown that the use of vision during rapid upper limb reaches is optimal at high limb velocities. When providing vision only above .8 m/s, reaching endpoints are as precise as in normal vision and vision only provided below .8 m/s does not yield better endpoint control than without vision. In the current study, vision could be provided during 3 limb velocity windows above .8 m/s (Early [between .8 m/s & 1.4 m/s], Middle [between 1.4 m/s & 1.4 m/s] & Late [between 1.4 m/s & 0.8 m/s]). All possible combinations were used in a factorial design, yielding 7 vision conditions presented in a randomized order. Each vision condition was presented 20 times and a no vision condition was presented 140 times. Full vision pre- and post-tests were also performed. Our main dependent variables were tied to the variability (i.e., precision) and bias (i.e., accuracy) of movement endpoint distributions. In the primary movement axis, movement endpoint control was more precise when vision was provided in both the early and middle vision conditions than in the no vision condition. Providing vision in the late vision condition resulted in worse endpoint precision than the full vision pre- and post-tests. Our results indicate that visual information may be used most efficiently for endpoint precision when the limb is moving quickly early in a movement and in the portion of the trajectory that includes peak limb velocity. In contrast, vision above .8 m/s but below 1.4 m/s late in a movement does not appear to contribute to endpoint precision control. Thus, the use of visual information may be tied to the kinematics of a movement and be most effective early in a movement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,280
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetMotor Control and Adaptation→Travaux en français237 207→