What's your next move? Directional biases for sequential limb and eye movements
Notice bibliographique
Résumé
There is considerable interest in movement direction encoding in the central nervous system, in part because of potential applications to the development of neural prosthetic devices. Most studies in this field focus on single movements, with little attention given to the interactions that may occur between successive movements. The purpose of our study was to determine, independent of movement effector system, if a prior movement results in directional reaction time biases for subsequent movements. In our experiments, participants made two consecutive eye movements or two consecutive arm movements in directions indicated by arrows presented at fixation. In experiment one, two target locations were shown during each trial. Here, movements were faster when offset by 90 or 180 degrees from the first movement (relative to movements back to the original target location). This pattern is consistent with 'inhibition of return' (IOR) typically found for repeated movements made in the same direction. In experiment two we presented four possible target locations. Here we found that arm and eye movements were faster only when offset by 90 degrees from the initial movement; the well-established advantage for movements offset by 180 degrees was eliminated. Our results reveal an effect of set size (i.e. 4 vs. 2 possible movement locations) on the spatial gradient of RTs for consecutive movements. That similar results were found for eye and arm movements suggests the existence of a common motor programming principle that may be useful for computational models attempting to 'decode' neural signals for the implementation of neuroprosthetic devices.
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 | 0,001 | 0,013 |
| 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 | 0,001 | 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) | 0,002 | 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 ».