Generalization patterns for reach adaptation and proprioceptive recalibration differ after visuomotor learning
Notice bibliographique
Résumé
Visuomotor learning results in changes in both motor and sensory systems (Cressman EK, Henriques DY. J Neurophysiol 102: 3505-3518, 2009), such that reaches are adapted and sense of felt hand position recalibrated after reaching with altered visual feedback of the hand. Moreover, visuomotor learning has been shown to generalize such that reach adaptation achieved at a trained target location can influence reaches to novel target directions (Krakauer JW, Pine ZM, Ghilardi MF, Ghez C. J Neurosci 20: 8916-8924, 2000). We looked to determine whether proprioceptive recalibration also generalizes to novel locations. Moreover, we looked to establish the relationship between reach adaptation and changes in sense of felt hand position by determining whether proprioceptive recalibration generalizes to novel targets in a similar manner as reach adaptation. On training trials, subjects reached to a single target with aligned or misaligned cursor-hand feedback, in which the cursor was either rotated or scaled in extent relative to hand movement. After reach training, subjects reached to the training target and novel targets (including targets from a second start position) without visual feedback to assess generalization of reach adaptation. Subjects then performed a proprioceptive estimation task, in which they indicated the position of their hand relative to visual reference markers placed at similar locations as the trained and novel reach targets. Results indicated that shifts in hand position generalized across novel locations, independent of reach adaptation. Thus these distinct sensory and motor generalization patterns suggest that reach adaptation and proprioceptive recalibration arise from independent error signals and that changes in one system cannot guide adjustments in the other.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».