MétaCan
Menu
Retour à la cohorte
Enregistrement W2019312052 · doi:10.3200/35-08-016

The Antipointing Task: Vector Inversion Is Supported by a Perceptual Estimate of Visual Space

2009· article· en· W2019312052 sur OpenAlexafffund
Matthew Heath, Anika Maraj, Meaghan Maddigan, Gordon Binsted

Notice bibliographique

RevueJournal of Motor Behavior · 2009
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésInversion (geology)Visual fieldPerceptionPsychologyCommunicationVector spaceMathematicsComputer scienceComputer visionArtificial intelligenceNeuroscienceGeometry

Résumé

récupéré en direct d'OpenAlex

The authors examined whether the visual field-specific endpoint bias of mirror-symmetrical reaching movements (i.e., antipointing) is related to top-down decoupling of the normal spatial relations between target and response (i.e., visuomotor inhibition) or the inversion of target coordinates to a mirror-symmetrical location (i.e., vector inversion). Participants completed pro- and antipointing movements in left and right visual space under conditions in which movement type was performed in separate blocks (i.e., blocked condition) and when randomly interleaved on a trial-by-trial basis (i.e., random condition). Most important, the random condition entailed equivalent premovement inhibition across pro- and antipointing. Propointing produced comparable endpoint accuracy in left and right visual space whereas antipointing under- and overshot target position: a finding characterizing blocked and random conditions. The authors attribute the visual field-specific bias of antipointing to the obligatory nature of the task and the integration of visuoperceptual networks to support vector inversion.

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)0,007
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,295
Écart entre enseignants0,275 · 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

Citations22
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Motor BehaviorMême sujetMotor Control and AdaptationTravaux en français237 207