MétaCan
Menu
Retour à la cohorte
Enregistrement W2089596128 · doi:10.1152/jn.00851.2005

Opposite Perceptual and Sensorimotor Responses to a Size-Weight Illusion

2006· article· en· W2089596128 sur OpenAlexaff
Mathew Grandy, David A. Westwood

Notice bibliographique

RevueJournal of Neurophysiology · 2006
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésIllusionObject (grammar)PerceptionPsychologyLift (data mining)CommunicationMathematicsCognitive psychologyPhysicsComputer scienceArtificial intelligenceNeuroscience

Résumé

récupéré en direct d'OpenAlex

The perceptual size-weight illusion (SWI) occurs when two different-sized objects with equal mass are lifted in sequence: the smaller object is consistently reported to feel heavier than the larger object even after repeated lifting attempts. Here we explored the relationship between sensorimotor and perceptual responses to a SWI in which the smaller of the two target objects in fact weighed slightly less (2.7 N) than the larger object (3.2 N). For 20 consecutive lifts, participants consistently reported that the small-light object felt heavier than the large-heavy object; however, concurrently measured lifting dynamics showed exactly the opposite pattern: peak grip force, peak grip force rate, peak load force, and peak load force rate were all significantly greater for the large-heavy object versus the small-light object. The difference in peak load rate between the two objects was greatest for the initial lift but decreased significantly beyond that point, suggesting that the sensorimotor system used sensory feedback to correct for initial over- and underestimations of object mass. Despite these adjustments to lifting dynamics over the early trials, the difference between the judged heaviness of the two objects did not change. The findings clearly demonstrate that the sensorimotor and perceptual systems utilize distinctly different mechanisms for determining object mass.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,250
Écart entre enseignants0,230 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations126
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeurophysiologyMême sujetMotor Control and AdaptationTravaux en français237 207