EEG Dynamics of Movement Preparation and Error Processing Distinguish Motor Adaptation From De Novo Learning
Notice bibliographique
Résumé
Abstract Previous research has distinguished behavioral mechanisms between motor adaptation and de novo learning. However, electroencephalography (EEG) markers dissociating them remain unclear. Here, participants (N = 32, 13 female) performed center-out reaching under a 30° fixed rotation (adaptation), mirror reversal (de novo learning), or random rotation (errors without learning), while we recorded EEG during movement preparation and post-movement feedback. We explored how perturbation type, training phase, and error magnitude shaped neural dynamics in both temporal and frequency domains. During preparation, the readiness potential (RP) showed opposite training-related modulation in the fixed and random rotations, suggesting increased reliance on updated internal models for adaptation. Mirror reversal training showed no RP change, likely reflecting reliance on effortful, explicit learning. Interestingly, we found that Lateralized Readiness Potentials (LRPs) reflected planned movement direction rather than effector-specific preparation. In the frequency domain, beta attenuation for large errors and alpha synchronization for small errors were more pronounced in the fixed rotation than in the mirror reversal, suggesting greater error-sensitivity during adaptation. During post-movement feedback, P3 amplitude decreased from early to late learning in the fixed and random rotations but remained stable in the mirror reversal, highlighting differences in cognitive demands across perturbations. A sustained late positivity emerged following small errors across perturbations, potentially indexing implicit learning. Random rotations also elicited distinct frontal and central beta modulation, likely reflecting disengagement due to task unpredictability. Together, we show that preparatory and feedback-related EEG signatures differ across perturbation types, revealing distinct neural mechanisms underlying motor adaptation and de novo learning. Significance statement Understanding how the brain supports skill acquisition and adaptation is critical for advancing theories and applications of motor learning. Although behavioral differences between motor adaptation and de novo learning are well established, the neural processes that distinguish them remain unclear. By comparing EEG activity during movement preparation and feedback-error processing across multiple perturbation types, we uncover distinct temporal and frequency domain signatures that uniquely characterize each learning process. Our findings show that adaptation engages neural dynamics consistent with updating internal models and error-processing, whereas de novo learning relies on explicit, cognitively demanding strategies that likely unfold over extended practice. These results provide a clear neural framework for distinguishing motor learning mechanisms.
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 | 0,000 |
| 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 ».