Greater sensitivity in detecting cross-modal asynchrony for body parts that are seen most often
Notice bibliographique
Résumé
We have previously shown that people are more sensitive at detecting asynchrony between a self-generated movement and delayed visual feedback when the perspective of the movement matches the ‘natural view’ suggesting an internal, visual, canonical body representation (Hoover and Harris, 2011). Is there a similar variation in sensitivity for parts of the body that cannot be seen in a first-person perspective? To test this, participants made movements with their hands and head (viewing their face or the back of their head) under four viewing conditions: (1) the natural (or direct) view, (2) mirror-reversed, (3) inverted, and (4) inverted and mirror-reversed. Participants indicated which of two periods (one with a minimum delay, the other with an added delay of 33–264 ms) was delayed and their sensitivity to delay was calculated. A significant linear trend was found when comparing sensitivity to detect cross-modal asynchrony in the ‘natural’ or ‘direct’ view condition across body parts; where sensitivity was greatest when viewing body parts seen most often (hands), intermediary for viewing body parts that are seen only indirectly (moving head while viewing face), and least for viewing body parts that are never seen at all (moving head while viewing back of the head). Further, dependency on viewpoint was most evident for body parts that are seen most often or indirectly, but not for body parts that are never seen. Results are discussed in terms of a visual representation of the body.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».