The Bouma law of crowding, revised: Critical spacing is equal across parts, not objects
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Crowding is the inability to identify an object among flankers in the periphery. It is due to inappropriate incorporation of features from flanking objects in perception of the target. Crowding is characterized by measuring critical spacing, the minimum distance needed between a target and flankers to allow recognition. The existing Bouma law states that, at a given point and direction in the visual field, critical spacing, measured from the center of a target object to the center of a similar flanking object, is the same for all objects (Pelli & Tillman, 2008). Because flipping an object about its center preserves its center-to-center spacing to other objects, according to the Bouma law, crowding should be unaffected. However, because crowding is a result of feature combination, the location of features within an object might matter. In a series of experiments, we find that critical spacing is affected by the location of features within the flanker. For some flankers, a flip greatly reduces crowding even though it maintains target-flanker spacing and similarity. Our results suggest that the existing Bouma law applies to simple one-part objects, such as a single roman letter or a Gabor patch. Many objects consist of multiple parts; for example, a word is composed of multiple letters that crowd each other. To cope with such complex objects, we revise the Bouma law to say that critical spacing is equal across parts, rather than objects. This accounts for old and new findings.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle