Statistical regularities compress numerical representations
Notice bibliographique
Résumé
Numerical information can be perceived at multiple levels of abstraction (e.g., one bird, or a flock of birds). The unit of input for numerosity perception can therefore involve a discrete object, or a set of objects grouped by shared features (e.g., color). Here we examine how the mere co-occurrence of objects shapes numerosity perception. Across three between-subjects experiments, observers viewed arrays of colored circles and estimated the number of circles in the array. In Experiment 1, unbeknownst to the observers, each array was constructed from either color pairs (i.e., regularities) in the structured condition, or the same circles in a random arrangement in the random condition. Aside from the regularities, the two conditions were identical in terms of numerosity, color, and density. We found that the number estimates were reliably lower in the structured condition than in the random condition, although observers were not explicitly aware of the regularities. This underestimation could be driven by either the presence of color pairs, or attention implicitly drawn to individual circles. To tease these two ideas apart, in Experiment 2 we examined the effect of grouping on numerosity perception, by introducing color duplicates (e.g., two red circles) in the structured condition. Number estimates were again reliably lower in the structured condition, suggesting that the underestimation could be explained by grouping. Finally, in Experiment 3 we examined the effect of local attention on numerosity perception, by presenting either two distinct colors in the array in the pop-out condition, or circles of the same color in the uniform condition. We found no difference in the number estimates between the two conditions, thus ruling out the role of local attention in numerosity perception. These results demonstrate that object co-occurrences cause numerical underestimation, suggesting that regularities serve as an implicit grouping cue that compresses numerical representations. Meeting abstract presented at VSS 2015
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 | 0,001 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».