The influence of proprioception of limb-target processes
Notice bibliographique
Résumé
When moving one's limb to a target, it has been hypothesized that separate online correction processes take place, including impulse regulation and limb-target processes (Elliott et al. 2010). It has also been suggested that vision for the use of limb-target processes is optimized when the limb reaches 1.0 m/s (Tremblay et al., 2013). However, proprioception is another potential source of information that could be useful for limb-target regulation. Participants completed two blocks of trials wherein agonist-antagonist tendon vibration was applied between trials at the elbow joint. This manipulation was employed to decrease the sensitivity of the muscle spindles of the elbow joint during the interspersed movements. During both blocks of trials, participants were provided with 20 ms windows of vision when their moving limb reached either 0.6, 1.0, or 1.4 m/s while reaching to a 30 cm target. On a third of the trials, a "jumped" target (i.e., 27 cm) replaced the 30 cm target during the window. In the absence of vibration, target jumps yielded significant shifts in endpoint distributions for the 0.6 and 1.0 m/s windows. In contrast, shifts in endpoint distributions were significant in all window conditions in the vibration block. However, the times after peak velocity were longer during the vibration block, as compared to the no vibration block. These results reveal that proprioception is important for the optimization of limb-target regulation processes.Acknowledgments: NSERC, CFI, Ontario Research Fund
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 | 0,007 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».