MétaCan
Menu
Retour à la cohorte
Enregistrement W1969608132 · doi:10.1080/02724980343000134

Distinct Mechanisms Account for the Linear non–Separability and Conjunction Effects in Visual Shape Encoding

2003· article· en· W1969608132 sur OpenAlexaff
Daniel Saumier, Martin Arguin

Notice bibliographique

RevueThe Quarterly Journal of Experimental Psychology Section A · 2003
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversité de MontréalMcGill UniversityInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesnon disponible
Mots-clésConjunction (astronomy)Encoding (memory)Computer scienceArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

In a series of visual search experiments involving simple 2D shapes, Arguin and Saumier (2000) showed that targets that were made of conjunctions of distractor features or that were a linear combination of distractor features were searched at significantly slower rates than single-feature linearly separable targets. The present study assessed whether these conjunction and linear nonseparability effects can be attributed to distinct mechanisms. Specifically, we studied the impact of target-distractor similarity on the search rates for single-feature, conjunction, and linearly nonseparable targets. The results replicate the conjunction and linear nonseparability effects obtained by Arguin and Saumier. They also show that the conjunction and linear separability effects are differently modulated by variations in target-distractor similarity. This dissociation demonstrates that both effects are based on distinct mechanisms. The possible nature of these mechanisms is 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,092
Score d'incertitude au seuil0,363

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,048
Tête enseignante GPT0,390
Écart entre enseignants0,342 · 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 tête enseignante, 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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Quarterly Journal of Experimental Psychology Section AMême sujetVisual perception and processing mechanismsTravaux en français237 207