Sensory reweighting in targeted reaching: The effects of experiencing increased movement errors
Notice bibliographique
Résumé
Our central nervous system (CNS) uses both visual and proprioceptive information about the locations of our body parts to enable us to move throughout the environment and complete our daily activities. We have previously shown that the brain can change how it weights sensory cues when reaching to bimodal targets (i.e. targets defined by visual and proprioceptive cues), relying more on proprioception after experiencing greater errors (i.e. greater variability) when reaching to visual targets. In the present study, we asked if similar reweighting strategies are engaged after experiencing greater errors when reaching to proprioceptive targets. Participants reached to visual (V), proprioceptive (P; left index finger) or visual + proprioceptive (VP; seen left index finger) targets. Inaccurate endpoint visual feedback was provided on V and P reaches, such that on P reaches the seen horizontal error was greater than (three times) the actual horizontal error achieved and on V reaches the seen horizontal error was smaller than (one third) the actual horizontal error achieved. No feedback was provided on VP reaches. Comparison of reach endpoints revealed that subjects did not change their sensory weighting strategy after experiencing greater variability when reaching to P targets. Thus, the CNS does not always reweight sensory cues after experiencing increased errors, suggesting that the brain processes errors associated with proprioceptive versus visual targets in a different manner.Acknowledgments: Natural Sciences and Engineering Research Council (EKC)
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».