The error-related negativity and error-related temporal binding: Different predictors of task performance?
Notice bibliographique
Résumé
When performing goal-directed tasks, mistakes can motivate changes in our choices and behaviours. This process of behavioural adaptation is assumed to be at least partly driven by error processing mechanisms in the brain marked by the error-related negativity (ERN). A recently observed perceptual consequence of errors is a temporal binding effect, which is the perceived compression of time between actions and outcomes and is commonly claimed to be an implicit marker for the sense of agency. Given that both phenomena are triggered by errors, we sought to investigate the relationship between ERN amplitude and error-related temporal binding and assess the extent to which each of these predicted several measures of task performance. Utilising a modified Eriksen Flanker task to increase error rates, we measured error-related changes in ERP amplitude (ERN difference wave) and action-outcome interval estimates (error-related temporal binding). Both measures were significantly affected by erroneous responses, and this was correlated between measures - participants with larger ERN amplitude also exhibited stronger error-related binding. When controlling for each other as predictors of task performance, ERN amplitude was shown to independently predict overall error rates, while error-related binding was shown to independently predict the rate of improvement. To our knowledge, this is the first study to observe error-related changes in temporal binding in a flanker task, and the first to measure the relationship between ERN amplitude and temporal binding. We discuss the distinction (and overlap) between the ERN and error-related binding, along with the potential links to the sense of agency.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».