MétaCan
Menu
Retour à la cohorte
Enregistrement W2323610942 · doi:10.1152/jn.00951.2015

The sequential encoding of competing action goals involves dynamic restructuring of motor plans in working memory

2016· article· en· W2323610942 sur OpenAlexafffund
Jason P. Gallivan, Natasha A. R. Bowman, Craig S. Chapman, Daniel M. Wolpert, J. Randall Flanagan

Notice bibliographique

RevueJournal of Neurophysiology · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of AlbertaQueen's University
Organismes subventionnairesCanadian Institutes of Health ResearchRoyal SocietyNatural Sciences and Engineering Research Council of CanadaWellcome Trust
Mots-clésAction (physics)Task (project management)Computer scienceEncoding (memory)RestructuringMotor planningCognitive psychologyPsychologyNeuroscienceArtificial intelligenceBusiness

Résumé

récupéré en direct d'OpenAlex

Recent neural and behavioral findings provide support for the influential idea that in situations in which multiple action options are presented simultaneously, we prepare action plans for each competing option before deciding between and executing one of those plans. However, in natural, everyday environments, our available action options frequently change from one moment to the next, and there is often uncertainty as to whether additional options will become available before having to select a particular course of action. Here, with the use of a target-directed reaching task, we show that in this situation, the brain specifies a competing action for each new, sequentially presented potential target and that recently formed action plans can be revisited and updated so as to conform with separate, more newly developed, plans. These findings indicate that the brain forms labile motor plans for sequentially arising target options that can be flexibly restructured to accommodate new motor plans.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,049
Tête enseignante GPT0,296
Écart entre enseignants0,247 · 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

Citations47
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeurophysiologyMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207