Bimanual transfer of visuomotor adaptation is driven by explicit adaptation
Notice bibliographique
Résumé
Reaching with altered visual feedback of the hand's position in a virtual environment leads to reach adaptation in the trained hand, and also in the untrained hand (Wang & Sainburg, 2002). We asked if reach adaptation in the untrained (right) hand is due to transfer of implicit adaptation (i.e., IA; unconscious) and/or explicit adaptation (i.e., EA; conscious strategy) from the left (trained) hand, and if the transfer of IA and EA change depending on how one is made aware of the visuomotor distortion. Participants (n=60) were divided into 3 groups (Strategy (provided with instructions on how to counteract the visuomotor distortion), No-Strategy (no instructions provided), and Control (EA not assessed)). EA was probed in the Strategy and No-Strategy groups immediately after reaching with a cursor that was rotated 40° clockwise relative to hand motion. IA was assessed at a similar time, for all 3 groups. Results revealed that, while EA was greater for the Strategy versus No-Strategy group, EA transferred between hands for both groups. IA in the trained hand was greatest in the No-Strategy group. IA did not significantly transfer between hands, and in fact, the extent of IA observed in the untrained hand was not related to the extent of IA initially observed in the trained hand. These results suggest that while initial EA and IA in the trained hand is dependent on how one is made aware of the visuomotor distortion, transfer of visuomotor adaptation is driven almost exclusively by EA, regardless of instructions provided.Acknowledgments: Funded by NSERC (Discovery Grant awarded to E. K. Cressman)
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 | 0,000 | 0,003 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».