MétaCan
Menu
← Retour à la cohorte
Enregistrement W2981465234 · doi:10.1101/819938

<i>Repetita iuvant:</i> repetition facilitates online planning of sequential movements

2019· preprint· en· W2981465234 sur OpenAlexafffund
Giacomo Ariani, Young Han Kwon, Jörn Diedrichsen

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundJames S. McDonnell Foundation
Mots-clésRepetition (rhetorical device)Sequence (biology)Movement (music)Set (abstract data type)Sequence learningTask (project management)Computer scienceProduction (economics)Cognitive psychologyPsychologyCommunicationSpeech recognitionArtificial intelligenceBiologyEngineeringLinguistics

Résumé

récupéré en direct d'OpenAlex

Abstract Beyond being essential for long-term motor-skill development, movement repetition has immediate benefits on performance, increasing speed and accuracy of a second execution. While repetition effects have been reported for single reaching movements, it has yet to be determined whether they also occur for movement sequences, and what aspects of sequence production are improved. We addressed these questions in two behavioral experiments using a discrete sequence production (DSP) task in which human volunteers had to perform short sequences of finger movements. In Experiment 1, we presented participants with randomly varying sequences and manipulated 1) whether the same sequence was repeated on successive trials, and 2) whether participants had to execute the sequence (Go), or not (No-Go). We establish that sequence repetition led to immediate improvements in speed without associated accuracy costs. The largest benefit was observed in the middle part of a sequence, suggesting that sequence repetition facilitated online planning. This claim was further supported by Experiment 2, in which we kept a set of sequences fixed throughout the experiment, thus allowing participants to develop sequence-specific learning: once the need for online planning decreased, the benefit of repetition disappeared. Finally, we found that repetition-related improvements only occurred for the trials that had been preceded by sequence production, suggesting that action selection and sequence pre-planning may not be sufficient to reap the benefits of repetition. Together, these results show that repetition can enhance representations at the level of movement sequences (rather than of individual movements) and facilitate online planning. New & Noteworthy Even for overlearned motor skills such as reaching, movement repetition improves performance. How brain processes associated with motor planning or execution benefit from repetition, however, remains unclear. Here we report the novel finding of repetition effects for sequential movements. Our results show that repetition benefits are tied to improved online planning of upcoming sequence elements. We also highlight how actual movement experience appears to be more beneficial than mental rehearsal for observing short-term repetition effects.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,034
Tête enseignante GPT0,251
Écart entre enseignants0,218 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMotor Control and Adaptation→Travaux en français237 207→