Differential contributions of implicit and explicit learning mechanisms to various contextual cues in dual adaptation
Notice bibliographique
Résumé
The ability to switch between different visuomotor maps accurately and efficiently is an invaluable feature to a flexible and adaptive human motor system. This can be examined in dual adaptation paradigms where the motor system is challenged to perform under randomly switching, opposing perturbations. Typically, dual adaptation doesn't proceed unless each mapping is trained in association with a predictive cue. To investigate this, we first explored whether dual adaptation occurs under a variety of contextual cues including active follow-through movements, passive follow-through movements, active lead-in movements, and static visual cues. In the second experiment, we provided one group with a compensatory strategy about the perturbations (30° CW and 30° CCW rotations) and their relationships to each context (static visual cues). We found that active, but not passive, movement cues elicited dual adaptation. Expectedly, we didn't find evidence for dual adaptation using static visual cues, but those in the Instruction group compensated by implementing aiming strategies. Then, across all experimental conditions, we explored the extent by which dual learning is supported by both implicit and explicit mechanisms, regardless of whether they elicited dual adaptation across all the various cues. To this end, following perturbed training, participants from all experiments were asked to either use or ignore the strategy as they reached without visual feedback. This Process Dissociation Procedure teased apart the implicit and explicit contributions to dual adaptation. Critically, we didn't find evidence for implicit learning for those given instructions, suggesting that when explicit aiming strategies are implemented in dual adaptation, implicit mechanisms are likely not involved. Thus, by implementing conscious strategies, dual adaptation can be easily facilitated even in cases where learning would not occur otherwise.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».