MétaCan
Menu
← Retour à la cohorte
Enregistrement W4306879661 · doi:10.1038/s41598-022-21000-1

Extended visuomotor experience with inverted movements can overcome the inversion effect in biological motion perception

2022· article· en· W4306879661 sur OpenAlexaff
Xiaoye Michael Wang, Margaret Wilson, Yu Song, Gulandanmu Ma, Mingkai Dong, Qin Zhu

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesUniversity of Wyoming
Mots-clésPerceptionBiological motionInversion (geology)Computer scienceMotion perceptionMotion (physics)Artificial intelligenceCognitive psychologyNeurosciencePsychologyBiology

Résumé

récupéré en direct d'OpenAlex

Studies have demonstrated that perceiving human and animal movements as point-light displays is effortless. However, simply inverting the display can significantly impair this ability. Compared to non-dancers and typical dancers, vertical dancers have the unique experience of observing and performing movements upside down as being suspended in the air. We studied whether this unique visuomotor experience makes them better at perceiving the inverted movements. We presented ten pairs of dance movements as point-light displays. Each pair included a version performed on the ground whereas the other was in the air. We inverted the display in half of the trials and asked vertical dancers, typical dancers, and non-dancers about whether the display was inverted. We found that only vertical dancers, who have extended visual and motor experience with the configural and dynamic information of the movements, could identify the inversion of movements performed in the air. Neither typical dancers nor non-dancers, who have no motor experience with performing the inverted movements, could detect the inversion. Our findings suggest that motor experience plays a more critical role in enabling the observers to use dynamic information for identifying artificial inversion in biological motion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,255
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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetMotor Control and Adaptation→Travaux en français237 207→