Internal and External Influences on the Rate of Sensory Evidence Accumulation in the Human Brain
Notice bibliographique
Résumé
We frequently need to make timely decisions based on sensory evidence that is weak, ambiguous, or noisy resulting from conditions in the external environment (e.g., a cluttered visual scene) or within the brain itself (e.g., inattention, neural noise). Here we examine how externally and internally driven variations in the quality of sensory evidence affect the build-to-threshold dynamics of a supramodal "decision variable" signal and, hence, the timing and accuracy of decision reports in humans. Observers performed a continuous-monitoring version of the prototypical two-alternative dot-motion discrimination task, which is known to strongly benefit from sequential sampling and temporal accumulation of evidence. A centroparietal positive potential (CPP), which we previously established as a supramodal decision signal based on its invariance to motor or sensory parameters, exhibited two key identifying properties associated with the "decision variable" long described in sequential sampling models: (1) its buildup rate systematically scaled with sensory evidence strength across four levels of motion coherence, consistent with temporal integration; and (2) its amplitude reached a stereotyped level at the moment of perceptual report executions, consistent with a boundary-crossing stopping criterion. The buildup rate of the CPP also strongly predicted reaction time within coherence levels (i.e., independent of physical evidence strength), and this endogenous variation was linked with attentional fluctuations indexed by the level of parieto-occipital α-band activity preceding target onset. In tandem with the CPP, build-to-threshold dynamics were also observed in an effector-selective motor preparation signal; however, the buildup of this motor-specific process significantly lagged that of the supramodal process.
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 | 0,011 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».