Physical determinants of the shape of the psychophysical curve relating tactile roughness to raised-dot spacing: implications for neuronal coding of roughness
Notice bibliographique
Résumé
There are conflicting reports as to whether the shape of the psychometric relation between perceived roughness and tactile element spacing [spatial period (SP)] follows an inverted U-shape or a monotonic linear increase. This is a critical issue because the former result has been used to assess neuronal codes for roughness. We tested the hypothesis that the relation's shape is critically dependent on tactile element height (raised dots). Subjects rated the roughness of low (0.36 mm)- and high (1.8 mm)-raised-dot surfaces displaced under their fingertip. Inverted U-shaped curves were obtained as the SP of low-dot surfaces was increased (1.3-6.2 mm, tetragonal arrays); a monotonic increase was observed for high-dot surfaces. We hypothesized that roughness is not a single sensory continuum across the tested SPs of low-dot surfaces, predicting that roughness discrimination would show deviations from the invariant relation between threshold (ΔS) and the value of the standard (S) surface (Weber fraction, ΔS/S) expected for a single continuum. The results showed that Weber fractions were increased for SPs on the descending limb of the inverted U-shaped curve. There was also an increase in the Weber fraction for high-dot surfaces but only at the peak (3 mm), corresponding to the SP at which the slope of the psychometric function showed a modest decline. Together the results indicate that tactile roughness is not a continuum across low-dot SPs of 1.3-6.2 mm. These findings suggest that correlating the inverted U-shaped function with neuronal codes is of questionable validity. A simple intensive code may well contribute to tactile roughness.
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 | 0,001 | 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 ».