MétaCan
Menu
Retour à la cohorte
Enregistrement W2142907750 · doi:10.1152/jn.00163.2013

People are better at maximizing expected gain in a manual aiming task with rapidly changing probabilities than with rapidly changing payoffs

2013· article· en· W2142907750 sur OpenAlexaff
Heather F. Neyedli, Timothy N. Welsh

Notice bibliographique

RevueJournal of Neurophysiology · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTask (project management)Stochastic gameMoment (physics)Computer sciencePoint (geometry)Value (mathematics)PsychologyStatisticsMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

Previous research has shown that humans can select movements that achieve their goals, while avoiding negative outcomes, by selecting an "optimal movement endpoint." This optimal endpoint is modeled based on the participants' endpoint variability and the payoffs associated with the target and penalty regions within the environment. Although the values associated with our goals vary on a moment-to-moment basis in our daily interactions, the adaptation of endpoint selection to changing payoffs in laboratory-based tasks has been examined by varying contexts between blocks of trials. The present study was designed to determine whether participants adjust endpoints and aim to optimal endpoints and whether performance differs when probability or payoff parameters change from trial to trial. Participants aimed to a target circle that was partially overlapped by a penalty circle. They received 100 points for hitting the target and lost points for hitting the penalty area. The magnitude of the penalty value or the distance between the centers of the circles (related to the probability of target and penalty contact) was changed randomly from trial to trial in separate blocks. Results revealed that participants shifted their endpoint and generally aimed optimally when the distance between the circles was varied but did not optimally shift their endpoints when the penalty value was varied. The results suggest that participants rapidly adapted endpoints when the probabilities associated with the task change, because the spatial parameters are an intrinsic property of the visual stimuli that are tightly linked with the motor system, whereas consistent feedback may be necessary to adjust to value parameters effectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,217
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations21
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeurophysiologyMême sujetMotor Control and AdaptationTravaux en français237 207