MétaCan
Menu
← Retour à la cohorte
Enregistrement W1967434631 · doi:10.1167/14.10.60

Normative Data for Forty, Morphing, Line Drawn Picture Sets

2014· article· en· W1967434631 sur OpenAlexaff
Elisabeth Stoettinger, Nazanin Mohammadi Sepahvand, Nadine Quehl, James Danckert, Britt Anderson

Notice bibliographique

RevueJournal of Vision · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNormativePerceptionSet (abstract data type)Representation (politics)Consistency (knowledge bases)MorphingObject (grammar)Mental representationPsychologyComputer scienceCognitive psychologyArtificial intelligencePattern recognition (psychology)Cognition

Résumé

récupéré en direct d'OpenAlex

The updating of perceptual representations is important to a number of areas of psychology including the areas of set shifting, perserveration, theory of mind, perceptual learning, and our own interest in mental model updating. Many tasks that are used to detect such updating use simple stimuli such as motor sequences. When more complex stimuli are used it is often difficult to determine the importance of shifts, because normative data are not available. To better characterize how and when people update perceptual representations of ambiguous stimuli, we measured how people change their reports of percepts of line drawings that gradually morph (over 15 iterations) from one object to another. Here we present normative data for forty picture series that morphed from an animate to an inanimate object (or vice versa if shown in reverse order) or morphed within the animate and inanimate classes. When a participant goes from labeling an image sequence by the first label to a new label, an update to their perceptual representation can be inferred. The number of first image labels was used to measure of how long it takes participants to update. 178 participants labeled the pictures in our sets. Each set was rated by an average of 45 people (min =35, max = 65). On average participants updated from the first representation after 7 (± 0.91) pictures (min = 4.8, max = 9.7). Naming consistency for individual images ranged from 9 percent to 95 percent with a mean of 64 (± 21) percent. These picture sets are easy to administer and have been used within vastly different participant populations (3 and 5 year old children, healthy seniors, brain damaged persons). Given the perceptual simplicity these stimuli are also useful for EEG and fMRI studies. Meeting abstract presented at VSS 2014

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)0,004
score de la tête « metaresearch » (Gemma)0,027
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,097
Tête enseignante GPT0,406
Écart entre enseignants0,309 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetVisual perception and processing mechanisms→Travaux en français237 207→