Changes in corticospinal excitability associated with motor learning by observing
Notice bibliographique
Résumé
Abstract While many of our motor skills are acquired through physical practice, we can also learn how to make movements by observing others. For example, individuals can learn how to reach in novel dynamical environments (‘force fields’, FF) by observing the movements of a tutor. Previous neurophysiology and neuroimaging studies in humans suggest a role for the motor system in motor learning by observing. Here we tested the role of primary motor cortex (M1) in motor learning by observing. We used single-pulse transcranial magnetic stimulation (TMS) to elicit motor evoked potentials (MEPs) in right hand muscles at rest. MEPs were elicited before and after participants observed either a video adapting her reaches to a FF or a control video showing a tutor performing reaches in an unlearnable FF. We predicted that observing motor learning would increase M1 excitability to a greater extent than observing movements that did not involve learning. We found that observing FF learning increased MEP amplitudes recorded from right first dorsal interosseous (FDI) and right abductor pollicis brevis (APB) muscles. There were no changes in MEP amplitudes for control participants who observed a tutor performing reaches in an unlearnable, randomly varying FF. The observed MEP changes can thus be specifically linked to observing motor learning. These results are consistent with the idea that observing motor learning produces functional changes in M1, or corticospinal networks or both.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».