MétaCan
Menu
Retour à la cohorte
Enregistrement W2940117095

Modeling the time course of change following visuomotor adaptation in movement, proprioception and prediction

2018· article· en· W2940117095 sur OpenAlexaff
Jennifer E. Ruttle, Bernard 't Hart, Denise Y. P. Henriques

Notice bibliographique

RevueJournal of Exercise, Movement, and Sport (SCAPPS refereed abstracts repository) · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésProprioceptionEfference copyHand positionArtificial intelligencePhysical medicine and rehabilitationPsychologyComputer scienceMotor learningMovement (music)EfferentCommunicationComputer visionEye movementNeuroscienceAfferent
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The ability to make goal-directed movements relies on estimates of limb position, based on vision, proprioception, as well as efference-based predictions. We measure the plasticity of proprioceptive and efferent-based estimates of the hand using a series of visuomotor adaptation experiments, which involve reaching with a rotated cursor. This rotated cursor training leads to changes in movements, proprioception and prediction. We measure the speed of these changes as well as fit them to the multi-rate model (Smith et al., 2006) which consists of a fast and slow process. We used a multiphase experiment which alternated between one rotated training trial and then one of 3 intervening tasks. To measure changes in hand localization, participants estimated the location of the unseen hand when it is moved by the robot (passive localization) or when they generated their own movement (active localization). By comparing the differences between these hand estimates after passive (only proprioception) or active (both proprioception and efferent-based prediction) movements, we are able to measure predicted sensory consequences of movement. The 3rd intervening task type was a no-cursor reach where no visual feedback of hand position or trial success was given. The trial-by-trial data suggest that proprioception recalibrates extremely fast, and is simply proportional to the visual-proprioceptive discrepancy, and does not reflect either model process. Prediction and and no-cursor reaches do not reflect either process fitted to training, but appear to be best explained by their own set of dual processes. Thus, these changes seem to reflect separate adaptation mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,255
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Exercise, Movement, and Sport (SCAPPS refereed abstracts repository)Même sujetMotor Control and AdaptationTravaux en français237 207