Preserved Metacognition for Undetected Visuomotor Deviations
Notice bibliographique
Résumé
Humans can successfully correct deviations of movements without conscious detection of such deviations, suggesting limited awareness of movement details. We ask whether such limited awareness impairs confidence (metacognition). We recorded functional magnetic resonance imaging data while 31 human female and male participants detected cursor deviations during a visuomotor reaching task and rated their confidence retrospectively. We show that participants monitor a summary statistic of the unfolding visual feedback (the peak cursor error) to detect visuomotor deviations and adjust their confidence ratings, even when they report being unaware of a deviation. Crucially, confidence ratings were as metacognitively efficient for aware and unaware deviations. At the neural level, activity in the ventral striatum tracks high confidence, whereas a broad network encodes cursor error but not confidence. These findings challenge the notion of limited conscious action monitoring and uncover how humans monitor their movements as they unfold, even when unaware of ongoing deviations. SIGNIFICANCE STATEMENTWe are unaware of the small corrections we apply to our movements as long as our goals are achieved. Here, although we replicate the finding that participants deny perceiving small deviations they correct, we show that their confidence reliably reflects the presence or absence of a deviation. This observation shows they can metacognitively monitor the presence of a deviation, even when they deny perceiving it. We also describe the hemodynamic correlates of confidence ratings. Our study questions the extent to which humans are unaware of the details of their movements; describes a plausible mechanism for metacognition in a visuomotor task, along with its neural correlates; and has important implications for the construction of the sense of self.
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 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».