The use of visual information during a visual saccade for the control of a goal-directed upper limb movement
Notice bibliographique
Résumé
There is reduced visual sensitivity during visual saccades (i.e., saccadic suppression: see Bedell, 2001; Irwin, 2002; Michels, 2004) yet small target displacements presented during a saccade lead to limb trajectory corrections without perception of the target jump (Goodale et al. 1986). As such, it could be hypothesized that visual information is unconsciously gathered during the saccade to update the limb trajectory. We designed a study to test this hypothesis by manipulating visual feedback during saccades to a single- and double-step target presentation for a manual aiming task. The experimental task involved single-step trials to a 16° and 23° target (i.e., 10 cm and 15 cm, respectively) and the target was displaced further at peak eye velocity by 2.2° each on 50% of the trials. Eye movements were monitored using EOG and limb movements were captured using an OptoTrak Certus, both sampling at 400 Hz. Liquid crystal goggles were used to manipulate vision only during the primary visual saccade in real-time using five (5) conditions: full vision (FV), vision during high (V_High) or low eye velocity (V_Low), and vision early (V_Early) or late (V_Late) in the saccade. As expected, there was a main effect for Target Step (single, double) on limb movement endpoint, aiming movement time, and aiming movement symmetry. However, this was true across all vision conditions indicating that amendments to the limb trajectory following an unperceived target jump do not appear to be based on information gathered during the primary visual saccade. Interestingly, both the FV and V_Low conditions led to higher maximum limb velocity than in the other experimental conditions (V_High, V_Early, V_Late). As such, some visual information is gathered for manual aiming planning processes during low saccadic velocity.
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 | 0,001 |
| 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 | 0,001 | 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 ».