Visual processing is diminished during movement execution
Notice bibliographique
Résumé
Recent research has suggested that visual discrimination and detection may be enhanced during movement preparation and execution, respectively. The current study examined if visual perceptual processing is augmented prior to or during a movement through the use of an Inspection Time (IT) task. The IT task involved briefly presenting (e.g., 15-105 ms) a "pi" figure with differing leg lengths, which was then immediately masked for 400 ms to prevent retinal afterimages. Participants were subsequently required to choose which of the two legs was longer. In Experiment 1, participants (n = 28) completed the IT task under three movement conditions: no-movement (NM), foreperiod (FP), and peak velocity (PV). In the NM condition, participants solely engaged in the IT paradigm. In the FP condition, the IT stimulus was presented prior to movement execution when response planning was expected to occur. Finally, in the PV condition, participants made a rapid movement to a target, and the IT stimulus was presented when their limb reached peak velocity. In Experiment 2, participants (n = 18) also performed the IT task in the PV and NM condition; however, vision of the limb's motion was made available during the PV trials (PV-FV) to investigate the potential influence of visual feedback on IT performance. Results showed no significant differences in performance in the IT task between the NM and FP conditions, suggesting no enhancement of visual processing occurred due to response preparation (Experiment 1). However, IT performance was significantly poorer in the PV condition in comparison to both the NM and FP conditions (Experiment 1), and was even worse when visual feedback was provided (Experiment 2). Together, these findings suggest that visual perceptual processing is degraded during execution of a fast, goal-directed movement.
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 | 0,003 |
| 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 | 0,000 |
| 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 ».