MétaCan
Menu
← Retour à la cohorte
Enregistrement W1528610930

Conjunction Search Onset Following Single-Feature Preview: Equating Visual Transients

2010· article· en· W1528610930 sur OpenAlexaff
Wafa Saoud

Notice bibliographique

RevueScholars Commons (Wilfrid Laurier University) · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésLuminanceVisual searchFeature (linguistics)Artificial intelligenceEquatingPattern recognition (psychology)Computer visionComputer scienceConjunction (astronomy)CommunicationMathematicsPsychologyStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

What happens to visual selection if the features of objects in a scene are viewed incrementally rather than simultaneously? According to Olds et al. (2009), it depends upon which feature is presented first. Olds et al. (2009) used the feature-preview search paradigm to cue conjunction search items by presenting observers with a preview display that contained 1 of 2 features for all of the search items. Prior exposure to some features facilitated subsequent visual selection more than prior exposure to others; overall, size-preview offered the greatest search facilitation, followed by color-preview, and lastly, orientation-preview. Some feature-preview conditions, however, contained luminance transients, while others did not. In the present study, we equated relative differences in luminance onsets, across the different feature-preview conditions in order to determine whether or not feature-preview effects are mediated by luminance transients. The general pattern of results obtained by Olds et al. (2009) was replicated and different featurepreviews continued to have differential effects on subsequent search; relative differences in luminance transients did not mediate feature-preview effects. Alternative theories are proposed and discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,294
Écart entre enseignants0,248 · 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'étudeExpérimental (laboratoire)
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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholars Commons (Wilfrid Laurier University)→Même sujetVisual perception and processing mechanisms→Travaux en français237 207→