MétaCan
Menu
Retour à la cohorte
Enregistrement W3125364297 · doi:10.1038/s41598-021-81031-y

Implicit motor learning within three trials

2021· article· en· W3125364297 sur OpenAlexafffund
Jennifer E. Ruttle, Bernard Marius ’t Hart, Denise Y. P. Henriques

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaDeutsche Forschungsgemeinschaft
Mots-clésImplicit learningMotor learningComputer scienceCognitive psychologyPhysical medicine and rehabilitationAdaptation (eye)Motor skillAsymptoteArtificial intelligencePsychologyNeuroscienceMathematicsCognitionMedicine

Résumé

récupéré en direct d'OpenAlex

In motor learning, the slow development of implicit learning is traditionally taken for granted. While much is known about training performance during adaptation to a perturbation in reaches, saccades and locomotion, little is known about the time course of the underlying implicit processes during normal motor adaptation. Implicit learning is characterized by both changes in internal models and state estimates of limb position. Here, we measure both as reach aftereffects and shifts in hand localization in our participants, after every training trial. The observed implicit changes were near asymptote after only one to three perturbed training trials and were not predicted by a two-rate model's slow process that is supposed to capture implicit learning. Hence, we show that implicit learning is much faster than conventionally believed, which has implications for rehabilitation and skills training.

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)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,150
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,072
Tête enseignante GPT0,300
Écart entre enseignants0,228 · 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'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

Citations63
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMotor Control and AdaptationTravaux en français237 207