MétaCan
Menu
Retour à la cohorte
Enregistrement W1824291197 · doi:10.18100/ijamec.87797

A novel test of implicit memory; an eye tracking study

2014· article· en· W1824291197 sur OpenAlexaff

Notice bibliographique

RevueInternational Journal of Applied Mathematics Electronics and Computers · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNoveltyPreferenceRepeated measures designAnalysis of varianceAudiologyTest (biology)PsychologyEye trackingArtificial intelligenceMedicineComputer scienceMathematicsInternal medicineStatisticsSocial psychology

Résumé

récupéré en direct d'OpenAlex

Novelty preference in visual scanning behaviour is used to test implicit memory in patients with Alzheimer’s disease (AD). During the test, subjects are presented with slides that include both novel images and images that were seen before (repeated images). Slides are presented sequentially and the number of slides between the first and second presentations of repeated images is varied to mask the purpose of the test. The normalised average glance duration (N-AGD) on repeated images (the bias towards novelty) was used to measure novelty preference. Data from 10 young controls showed that the bias towards novelty is reduced as the number of slides between the first and second presentations of repeated images is increased. A group of 17 patients with AD showed no significant bias towards novelty while a group of 21 age matched controls do exhibit such bias (t(20) = 6.16, p < 0.001). The data suggest that patients with AD have no preference to novel images and support the idea that AD affects implicit memory. The receiver operator characteristics of the bias towards novelty showed that patients with AD and age-matched controls can be differentiated with both high sensitivity and high specificity.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,269
Écart entre enseignants0,258 · 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Applied Mathematics Electronics and ComputersMême sujetGaze Tracking and Assistive TechnologyTravaux en français237 207