Accuracy instructions modulate both visual and non-visual contributions to ongoing reaches
Notice bibliographique
Résumé
The control of ongoing goal-directed reaches is influenced by both visual and non-visual sensorimotor processes. Further, intentions to produce accurate movements influence reaching performance as well. However, it is not known how these improvements associated with accuracy-based intentions can be attributed to changes in movement planning and/or online control. Indeed, such improvements may influence both visual and non-visual online control processes. Using frequency domain analyses, the relative online contributions of such visual and non-visual sub-processes have been previously identified (e.g., de Grosbois & Tremblay, 2015; de Grosbois & Tremblay, 2016b; de Grosbois & Tremblay, 2017). The current study tested if the relative contributions of these online control sub-processes are influenced by the intention to be accurate. Reaching movements were completed in the presence of three experimental manipulations. First, vision during voluntary reaches was either provided or occluded. Second, high- and low-accuracy instruction sets were provided. And third, the predictability of visual information was manipulated through a blocked and randomized feedback scheduling. The results indicated that the contribution of online visuomotor processes (i.e., visual sub-process) was increased by the availability of online vision and the instructed intention to be accurate. In contrast, the non-visual sub-process was promoted in the absence of online vision, but suppressed when a randomized feedback schedule was implemented with instructions to be accurate. Ultimately, the intention to be accurate increases the relative contribution of vision-based online sensorimotor processes and can decrease that of non-visual online sensorimotor processes.Acknowledgments: This research was supported by the Natural Sciences and Engineering Research Council of Canada, the Canada Foundation for Innovation, the Ontario Research Fund, and a University of Toronto Graduate Student Fellowship.
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 | 0,005 |
| 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) | 0,002 | 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 ».