Spatiotemporal task parameters modulate multisensory response enhancement in saccadic latency
Notice bibliographique
Résumé
Saccadic latencies are typically faster in response to multisensory as compared to unisensory stimuli. However, studies using different saccadic protocols result in varying degrees of multisensory response enhancement. This study investigates which spatial and temporal task parameter configuration yields the greatest multisensory response enhancement for saccadic latency. Human observers (n=9) made saccades to either visual targets (small black dot presented 10 degrees to the left or right from the screen center), auditory targets (burst of white noise played to the left or right ear through headphones), or combined, congruent audiovisual targets. We measured saccadic latency with the Eyelink1000 eye-tracker as indicators of sensory processing speed and to determine the efficacy of multisensory integration across three task configurations: (1) gap & placeholders, (2) no-gap & no-placeholders, and (3) no-gap & placeholders. As expected, a gap reduced saccadic latency to visual targets, whereas placeholders sped up saccades to auditory targets. Across all task configurations, we observed faster latencies to audiovisual targets compared to visual or auditory targets, indicating multisensory response enhancement (all p<0.001). To assess whether this enhancement was explained by statistical facilitation of the redundant audiovisual signal, we compared observers’ audiovisual latencies to the upper bound of a race model based on the unisensory target conditions. Task configurations strongly modulated the degree to which audiovisual latencies outperformed the race model (F(2,16)=6.42, p<0.01) and showed that only the no-gap & placeholder-condition resulted in reliable and strong multisensory integration. Our findings demonstrate that the spatiotemporal parameters of a simple saccade task modulate the magnitude of multisensory enhancement on saccadic latency. These findings provide a reliable foundation to allow exploration of the underlying mechanisms of multisensory perception and orienting behavior.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».