Updating self-location by self-motion and visual cues in familiar multiscale spaces.
Notice bibliographique
Résumé
This study examined functions of self-motion and visual cues in updating people's actual headings in multiscale spaces. In an immersive virtual environment, the participants learned objects' locations inside two misaligned rectangular rooms by locomoting within and between the rooms. In each testing trial, the participants locomoted to adopt an actual perspective in one room, and then they judged relative direction to a target from an imagined perspective in the other room (remote perspective taking). The imagined and actual perspectives had the same or opposite cardinal directions (globally aligned or misaligned) or had the same or opposite orientations defined by room structures (locally aligned or misaligned). Global or local sensorimotor alignment effects mean that performance is better when imagined and actual perspectives were globally or locally aligned than when misaligned. We examined these effects to infer updating actual headings in global or local representations. The results showed local but no global sensorimotor alignment effect. By contrast, there were both global and local sensorimotor alignment effects when the participants judged across-room relative headings prior to remote perspective taking. These results indicate that people update headings in local representations based on visual similarities between local spaces. People update headings in global representations based on self-motion cues available in across-boundary navigation, but updating headings globally requires tasks to activate global-relevant sensorimotor representations. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».