Proprioceptive training improves sense of felt hand position but does not influence implicit visuomotor adaptation
Notice bibliographique
Résumé
Visuomotor adaptation arises when reaching in an altered visual environment, where one's seen hand position does not match their actual felt (i.e., proprioceptive) hand position in space. Here, we investigated if proprioceptive training (PT) benefits visuomotor adaptation, and if these benefits arise due to implicit (unconscious) or explicit (conscious strategy) processes. A total of 72 participants were divided equally into 3 groups: Proprioceptive training with feedback (PTWF), Proprioceptive training no feedback (PTNF), and Control (CTRL). The PTWF and PTNF groups completed proprioceptive training (PT), where a participant's hand was passively moved to an unknown reference location and they indicated the felt position of their unseen hand relative to their body midline on every trial. The PTWF group received verbal feedback with respect to their response accuracy on the middle 60% of trials. The CTRL group did not complete PT and instead sat quietly during this time. Following PT or time delay, all three groups reached with 30° rotated cursor feedback, followed by a series of no-cursor reaches to assess implicit and explicit adaptation. Results indicated that the PTWF group improved their sense of felt hand position following PT. However, this improved proprioceptive acuity did not benefit visuomotor adaptation, as all three groups showed similar visuomotor adaptation across rotated reach training trials. Visuomotor adaptation arose implicitly, with minimal explicit contribution for all three groups. Thus, these results suggest that passive proprioceptive training with feedback does not benefit, nor hinder, implicit visuomotor adaptation.Acknowledgments: Supported by the Natural Sciences and Engineering Research Council of Canada [EKC].
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».