Proprioceptive recalibration is a purely implicit process
Notice bibliographique
Résumé
Recently there has been renewed interest in understanding the different contributions of explicit and implicit learning to motor learning, such as visuomotor rotation adaptation. Visuomotor rotation adaptation also evokes proprioceptive recalibration, but the contribution of explicit and implicit learning to proprioceptive recalibration is unknown. To investigate this, we instructed one group of participants with an explicit strategy to counter the rotation and another group received no such instruction (see Werner et al., 2015). Learning in the explicitly instructed group is almost instantaneous, but settles more slowly in the implicit group. When asked not to apply the learned strategy, the implicit group is not able to do so, whereas the explicit group can. These results both show a typical difference in learning explained by the explicit and implicit instructions. We also recorded estimates of hand position before and after training in each group. Crucially, participants either moved their own hand, enabling them to use (updated) predicted sensory consequences in estimating their hand position, or the apparatus moved their hand, so that only proprioception was available. Active localization leads to larger shifts in localization than passive movements, but the shifts in localization are identical for the implicitly and explicitly instructed groups. The availability of prediction also doesn't interact with instruction. This is clear evidence that proprioceptive recalibration is an exclusively implicit process that does not rely on motor errors, or instructions on how to counter them, but rather on the discrepancy between visual and proprioceptive feedback.Acknowledgments: Supported by DFG HA 6861/2-1 to BMtH; NSERC to DYPH
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 | 0,000 |
| 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 | 0,001 |
| 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 ».