MétaCan
Menu
← Retour à la cohorte
Enregistrement W7058410663

Neural markers of movement preparation and outcome during motor adaptation and de novo learning tasks

2023· article· en· W7058410663 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMotor learningMovement (music)Motor controlMotor skillMotor programNegativity effectMovement control
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In motor learning, people must process movement errors when either adapting well-known movements or acquiring new motor skills (de novo learning). While these two motor learning types are distinct behaviorally, we understand less about their underlying neural mechanisms. Here, we investigated event-related potentials (ERPs) during movement preparation and outcome in reaching movements. We distinguished the two motor learning types by having participants (N = 32) train with two perturbations: a 30° visuomotor rotation (adaptation) and a mirror reversal (de novo learning). Participants learned to compensate for both perturbation types. For movement outcome, we time-locked to feedback onset at the end of the movement. We found a negative-going ERP before feedback onset, with perturbed reaches showing more negativity than aligned baseline reaches. However, the ERP amplitude did not scale with perturbation type nor error magnitude. Furthermore, we found a larger P3 component, or more attention allocation, after feedback onset in the perturbed conditions. For movement preparation, we time-locked to the go signal onset before the movement. We found a Readiness Potential that was dependent on the participant’s intended movement direction. We then quantified changes in movement preparation per perturbation type across learning, using a Lateralized Readiness Potential. However, we found no LRP differences between the fixed rotation and mirror reversed reaches. Thus, although the ERPs we investigated represent movement preparation and outcome error processing, these markers are unable to distinguish between motor adaptation and de novo learning. Other markers in relation to these two motor learning types warrant further investigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,288
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMagnetic confinement fusion research→Travaux en français237 207→