MétaCan
Menu
Retour à la cohorte
Enregistrement W2972939221 · doi:10.1002/aur.2214

Getting Off to a Shaky Start: Specificity in Planning and Feedforward Control During Sensorimotor Learning in Autism Spectrum Disorder

2019· article· en· W2972939221 sur OpenAlexaff
Nathan C. Foster, Simon J. Bennett, Joe Causer, Digby Elliott, Geoffrey Bird, Spencer J. Hayes

Notice bibliographique

RevueAutism Research · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensMcMaster University
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsEuropean Commission
Mots-clésAutismFeed forwardPsychologyKinematicsCognitive psychologyMotor learningControl (management)Motor controlMovement (music)Autism spectrum disorderDevelopmental psychologyPhysical medicine and rehabilitationNeuroscienceComputer scienceArtificial intelligenceControl engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Whilst autistic individuals develop new internal action models during sensorimotor learning, the acquired movements are executed less accurately and with greater variability. Such movement profiles are related to differences in sensorimotor integration and/or altered feedforward/feedback sensorimotor control. We investigated the processes underlying sensorimotor learning in autism by quantifying accuracy and variability, relative timing, and feedforward and feedback control. Although autistic individuals demonstrated significant sensorimotor learning across trials, which was facilitated by processing knowledge-of-results feedback, motor execution was less accurate than non-autistic individuals. Kinematic analysis indicated that autistic individuals showed significantly greater spatial variability at peak acceleration, but comparable spatial variability at peak velocity. These kinematic markers suggest that autistic movement profiles are driven by specific differences in sensorimotor control processes (i.e., internal action models) associated with planning and regulating the forces required to execute the movement. The reduction of variability at peak velocity indicates intact early feedback-based sensorimotor control in autism. Understanding how feedforward and feedback-based control processes operate provides an opportunity to explore how these control processes influence the acquisition of socio-motor actions in autism. Autism Res 2020, 13: 423-435. © 2019 International Society for Autism Research, Wiley Periodicals, Inc. LAY SUMMARY: Autistic adults successfully learned a new movement skill by physically practising it, and using feedback about how well they had done to become more accurate. When looking at the movements in detail, autistic adults were more variable than non-autistic adults when planning (e.g., how much force to use), and performing, the movement. These differences impact how autistic individuals learn different types of movement skills, which might influence how other behaviours (e.g., imitation) are acquired that support social interaction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,037
Tête enseignante GPT0,333
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAutism ResearchMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207