Online and offline contributions to recently acquired reaching movements
Notice bibliographique
Résumé
The use of sensory feedback for online and offline movement corrections has been widely studied for well learned actions, but not for actions in a novel visuomotor environment. We asked if the contributions of online and offline motor control differ between recently acquired reaching movements from well learned reaching. Eight participants were divided into 2 groups, one receiving continuous visual feedback during all reaches (CF), and another receiving terminal feedback regarding movement endpoint (TF). Participants then trained in a visuomotor environment by reaching to 3 targets when (1) a cursor accurately represented their hand motion and (2) a cursor was rotated 45 degrees clockwise relative to their hand motion. After training in each visuomotor environment, contributions were then probed by having participants complete 4 blocks of reaches with constrained reaction time (RT) and movement time (MT) (SlowRT-SlowMT, SlowRT-FastMT, FastRT-SlowMT and FastRT-FastMT). Participants demonstrated similar performance (i.e. MT and angular errors) regardless of feedback or reaching environment during training. Once constraints were imposed, offline control measures (i.e., squared Fisher z) indicated that early movement positions were more predictive of movement end point when reaching with a rotated cursor compared to an aligned cursor for both groups. Alternatively, online control measures (i.e., time to peak velocity and jerk score) did not differ for reaches completed with aligned or rotated feedback for either group. Together, these results suggest a greater contribution of offline control processes when reaching in a novel visuomotor environment compared to when reaching in a well learned environment.Acknowledgments: Supported by the Natural Sciences and Engineering Research Council of Canada (NSERC); awarded to the last author.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».