Dynamics of Saccadic Adaptation: Differences Between Athletes and Nonathletes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: The aim of the study was to delineate differences in saccadic adaptation characteristics between a population of racquet sports athletes and nonathletes. METHODS: Eye movements were recorded at 120 Hz using a video-based eye tracker (ELMAR 2020) in a sample of 27 athletes (varsity badminton and squash players) and 14 nonathletes (<3 hours/week participation in recreational sports). Responses to negative positional error and positive positional error were studied in two sessions on separate days. Negative positional errors were induced by displacing the stimuli backwards by 3 degrees from the initial target step (12 degrees). Likewise, positive positional errors were induced by displacing the stimuli forward by 3 degrees . Amplitude gains were calculated for trials before, during, and after the adaptation phase. The magnitude and the rate of change of saccadic adaptation were determined from the amplitude gains. Differences between the groups were compared using regression analysis. RESULTS: No significant differences were found between the two groups in the magnitude of saccadic adaptation, both for negative (athletes -60%, nonathletes -57%) and positive (athletes +26%, and nonathletes +27%) positional error. Racquet sports athletes showed a significantly faster rate of adaptation for the positive positional error. A significant difference was not observed in the rate of adaptation for the negative positional error. CONCLUSIONS: Racquet sports athletes and nonathletes adapt to positional error signals by similar amounts. However, racquet sports athletes respond to positive positional errors at a faster rate, suggesting that a strategic component or environmental influences (such as practice) may play a role in saccadic adaptation.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle