Putting in the effort: Explicit effort may not influence perceptuomotor decision-making
Notice bibliographique
Résumé
Humans often make decisions that are enacted by the action system. For example, humans use reach-to-grasp movements when making perceptuomotor decisions between and obtaining donuts of varying perceived quality. Recent work suggests that the characteristics of each action alternative may influence the associated decision-making process – biases away from perceptuomotor alternatives associated with high effort have been reported when participants are unaware of the effort differences between responses. The present study examined if perceptuomotor decisions were influenced by explicit, as opposed to implicit, reaching effort differences. Random dot motion stimuli were presented in which most dots moved in random directions and varying percentages of remaining dots moved coherently left- or rightward. Participants reported leftward motion judgements by performing leftward (or left hand) reaching movements and rightward motion judgements by performing rightward (or right hand) reaching movements on a tabletop. A resistance band was affixed to participants’ wrists and to the edge of the tabletop in different configurations. The configurations ensured that one movement/ motion direction judgement always required stretching of the band and, therefore, relatively more effort than the alternative movement. Across four experiments, the response context (i.e., selecting directions within a limb or selecting between limbs) and the effort difference between responses was manipulated. Overall, no experiment revealed a consistent bias away from the perceptuomotor decision associated with high effort. It is concluded that explicit effort as induced by a resistance band may not influence perceptuomotor decision-making and may point to a contextual influence of action effort on perceptuomotor decision-making.
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 | 0,002 | 0,023 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».