Competitive processes in free-choice, action-based decisions: Effect of decisional uncertainty in an obstacle avoidance task
Notice bibliographique
Résumé
Decisions about actions are thought to arise from a biased competition between simultaneously activated movement plans. In support, reaction times (RT) are longer in situations of increased competition, such as during incongruent trials in Flanker tasks or equiprobable target locations (point of subjective equality; PSE) in hand selection tasks. Still, uncertainty has mostly been studied in contexts in which the target goal is instructed or in which overt execution of both responses is possible, limiting the evidence for a lower-level, action-based competitive process evolving within a single cortical hemisphere. Therefore, we aimed to investigate the effect of decisional uncertainty on RTs in a free choice task where overt execution of both responses was impossible. We developed an obstacle avoidance task in which participants (n = 11), using their dominant hand, had to reach toward a visual target while avoiding an obstacle positioned along the movement path. The target was positioned straight ahead of participants and remained unchanged across trials. Uncertainty was manipulated by placing a 9cm obstacle on participants’ direct path to the target (at the PSE) (maximal uncertainty condition), or an 18cm obstacle shifted laterally by ±4.5cm from the PSE location (minimal uncertainty condition). Importantly, this setup equated movement trajectories across conditions, allowing us to isolate the influence of uncertainty on RTs. Results revealed RTs were significantly slower in the maximal uncertainty condition (375ms ± 32) as compared to the minimal uncertainty condition (355ms ± 28; p=0.0005). This suggests that a competitive process also underlies action-based free-choice decisions.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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) | 0,000 | 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 ».