Can proprioceptive training improve motor learning?
Notice bibliographique
Résumé
Recent work has investigated the link between motor learning and sensory function in arm movement control. A number of findings are consistent with the idea that motor learning is associated with systematic changes to proprioception (Haith A, Jackson C, Mial R, Vijayakumar S. Adv Neural Inf Process Syst 21: 593-600, 2008; Ostry DJ, Darainy M, Mattar AA, Wong J, Gribble PL. J Neurosci 30: 5384-5393, 2010; Vahdat S, Darainy M, Milner TE, Ostry DJ. J Neurosci 31: 16907-16915, 2011). Here, we tested whether motor learning could be improved by providing subjects with proprioceptive training on a desired hand trajectory. Subjects were instructed to reproduce both the time-varying position and velocity of novel, complex hand trajectories. Subjects underwent 3 days of training with 90 movement trials per day. Active movement trials were interleaved with demonstration trials. For control subjects, these interleaved demonstration trials consisted of visual demonstration alone. A second group of subjects received visual and proprioceptive demonstration simultaneously; this group was presented with the same visual stimulus, but, in addition, their limb was moved through the target trajectory by a robot using servo control. Subjects who experienced the additional proprioceptive demonstration of the desired trajectory showed greater improvements during training movements than control subjects who only received visual information. This benefit of adding proprioceptive training was seen in both movement speed and position error. Interestingly, additional control subjects who received proprioceptive guidance while actively moving their arm during demonstration trials did not show the same improvement in positional accuracy. These findings support the idea that the addition of proprioceptive training can augment motor learning, and that this benefit is greatest when the subject passively experiences the goal movement.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».