Sensory reweighting following exposure to misaligned endpoint error feedback
Notice bibliographique
Résumé
When an object's location is defined by redundant sensory information, the brain combines these sensory inputs to form a coherent estimate of the object's location in such a way that the more reliable sensory cue is assigned a greater weight (Ernst and Banks, 2002). In the present study we asked if the motor system can learn to change the way in which it integrates sensory cues. Participants reached to visual (V), proprioceptive (P; their left index finger) or visual + proprioceptive (VP; their seen left index finger) targets. Inaccurate endpoint visual feedback was provided on the V and P reaches, such that on V reaches the seen horizontal error was greater than (three times) the actual horizontal error achieved and on P reaches the seen horizontal error was smaller than (one third) the actual horizontal error achieved. No feedback was provided on VP reaches, which were completed before and after reaching to V and P targets. To determine the weight assigned to V and P cues when reaching to VP targets, we compared reach endpoints on VP reaches with reach endpoints achieved on V and P reaches. Results indicate that after experiencing misaligned endpoint error feedback, participants adjusted their reaches to VP targets such that their endpoints resembled those achieved on P reaches. These results suggest that the brain can change how it weights sensory information regarding target location, relying more on the sensory modality which has been experienced as most accurate.Acknowledgments: Research support: Natural Sciences and Engineering Research Council (EKC)
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».