Trained movement direction influences reach adaptation independent of proprioceptive recalibration
Notice bibliographique
Résumé
Reaching with rotated visual feedback of the hand leads to reach adaptation and shifts in felt hand position (i.e. proprioceptive recalibration). We have previously shown that proprioceptive recalibration generalizes across a greater area of the workspace than reach adaptation (Lombardo et al. 2014). In the current study we looked to determine if these different generalization patterns are dependent on the movement direction (i.e. vector) experienced during reach training. Subjects trained to reach to a single target with distorted hand-cursor feedback from one of two start positions (S1 = aligned with body midline and S2 = 21 cm to the right of S1). Cursor feedback was rotated 30° clockwise relative to subjects' actual hand position. Subsequently, subjects reached without visual feedback to (1) the same target; (2) the same target from the other start position; and (3) a novel target. Subjects also estimated their felt hand position after moving out from both start positions in order to determine the position at which they perceived their hand was aligned with the reach targets. Results indicated that proprioceptive recalibration generalized to a greater extent than reach adaptation regardless of the movement vector experienced during reach training trials. Interestingly, generalization patterns of reach adaptation differed depending on the trained start position such that subjects tended to move to similar goal locations experienced during training from S1 but not from S2. Together, these findings suggest that the movement vector experienced during training does not influence proprioceptive recalibration but changes the processes involved in reach adaptation. Acknowledgments: This study was supported by NSERC.
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 | 0,001 | 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 ».