Perception-action coupling in a prediction motion task
Notice bibliographique
Résumé
Prediction motion tasks (PMT) involve a participant’s estimation of an object’s location in space and time after visual occlusion of the object’s path (Tresilian, 1995). The purpose of this experiment was to examine two different movement types in the performance of a PMT. Five participants with a mean age of 25.8 years responded to a computer-generated visual display (E-Prime) using a computer mouse. The visual display depicted a ball that was occluded at the midpoint of its trajectory as it traveled toward a target. Participants predicted the arrival of the ball at the target by clicking the mouse (click condition) or by moving the mouse from a point in the ball’s trajectory to the target and clicking upon arrival (move condition). Each response condition was presented under two speed conditions (fast or slow). The time from the onset of the visual display to the mouse click was recorded by E-Prime to calculate the dependent measures. The data were analyzed using a 2 speed (fast/slow) by 2 response type (click/move) repeated measures Analysis of Variance (ANOVA), with constant error (CE) and variable error (VE) as the dependent measures. The CE data revealed a main effect for Response Type whereby the participants in the click condition produced an underestimation error (-309.58 ms) while the move condition produced an overestimation error (475.80 ms). The VE data also revealed a main effect for Response Type with the click condition being significantly more consistent. These results will be discussed as they relate to perception-action coupling.Acknowledgments: We thank Dr. Adrian Popescu for his contributions in the early stages of this project and the Faculty of Physical Education and Recreation's Human Performance Fund.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».