Reduced feedback barely slows down proprioceptive recalibration
Notice bibliographique
Résumé
Abstract Introducing altered visual feedback of the hand results in quick adaptation of reaching movements. And while this may be partly due to explicit strategies, our lab has shown that implicit changes like reach aftereffects and shift in estimates of the unseen hand, can also emerge and even saturate within a few training trials. The goal of the current study is to determine whether these rapid changes in unseen hand position that occur during classical visuomotor adaptation are diminished or slowed when feedback during training is reduced. We reduced feedback by either providing visual feedback only at the end of the reach (terminal feedback) or constraining hand movements to reduce efferent contribution (exposure). We measured changes as participants completed reaches with a 30° rotation, a −30° rotation and clamped visual feedback, with these two “impoverished” training conditions, along with classical visuomotor adaptation training, while continuously estimating their felt hand position. Classic continuous-cursor training produced exemplary learning curves and rapid and robust shifts in felt hand position. Training with terminal feedback slightly reduced the initial rate of change in overall adaptation and but not the magnitude of shifts in felt hand position. Finally using a robot to constrain and deviate hand movement direction, called exposure training, only delayed saturation of proprioceptive changes by a single trial and these changes were slightly smaller than those during classical training. Taken together, adaptation and shifts in felt hand position are a rapid and robust responses to sensory mismatches and are only slightly modulated when feedback is reduced. This means that, given a visuo-proprioceptive mismatch, the resulting shift in sense of limb position can contribute to movements from the start of adaptation.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».