MétaCan
Menu
Retour à la cohorte
Enregistrement W3007624249 · doi:10.1167/jov.20.2.4

On the relation between anticipatory ocular torsion and anticipatory smooth pursuit

2020· article· en· W3007624249 sur OpenAlexafffund
Austin Rothwell, Xiuyun Wu, Janick Edinger, Miriam Spering

Notice bibliographique

RevueJournal of Vision · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversities Space Research Association
Mots-clésSmooth pursuitStimulus (psychology)PsychologyTorsion (gastropod)Eye movementCognitionCognitive psychologyCommunicationNeuroscienceMedicine

Résumé

récupéré en direct d'OpenAlex

Humans and other animals move their eyes in anticipation to compensate for sensorimotor delays. Such anticipatory eye movements can be driven by the expectation of a future visual object or event. Here we investigate whether such anticipatory responses extend to ocular torsion, the eyes' rotation about the line of sight. We recorded three-dimensional eye position in head-fixed healthy human adults who tracked a rotating dot pattern moving horizontally across a computer screen. This kind of stimulus triggers smooth pursuit with a horizontal and torsional component. In three experiments, we elicited expectation of stimulus rotation by repeatedly showing the same rotation (Experiment 1), or by using different types of higher-level symbolic cues indicating the rotation of the upcoming target (Experiments 2 and 3). Across all experiments, results reveal reliable anticipatory horizontal smooth pursuit. However, anticipatory torsion was only elicited by stimulus repetition, but not by symbolic cues. In summary, torsion can be made in anticipation of an upcoming visual event only when low-level motion signals are accumulated by repetition. Higher-level cognitive mechanisms related to a symbolic cue reliably evoke anticipatory pursuit but did not modulate torsion. These findings indicate that anticipatory torsion and anticipatory pursuit are at least partly decoupled and might be controlled separately.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,501
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0000,000

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,365
Écart entre enseignants0,244 · 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.

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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetVisual perception and processing mechanismsTravaux en français237 207