Paying attention to orthography: a visual evoked potential study
Notice bibliographique
Résumé
In adult readers, letters, and words are rapidly identified within visual networks to allow for efficient reading abilities. Neuroimaging studies of orthography have mostly used words and letter strings that recruit many hierarchical levels in reading. Understanding how single letters are processed could provide further insight into orthographic processing. The present study investigated orthographic processing using single letters and pseudoletters when adults were encouraged to pay attention to or away from orthographic features. We measured evoked potentials (EPs) to single letters and pseudoletters from adults while they performed an orthographic-discrimination task (letters vs. pseudoletters), a color-discrimination task (red vs. blue), and a target-detection task (respond to #1 and #2). Larger and later peaking N1 responses (~170 ms) and larger P2 responses (~250 ms) occurred to pseudoletters as compared to letters. This reflected greater visual processing for pseudoletters. Dipole analyses localized this effect to bilateral fusiform and inferior temporal cortices. Moreover, this letter-pseudoletter difference was not modulated by task and thus indicates that directing attention to or away from orthographic features did not affect early visual processing of single letters or pseudoletters within extrastriate regions. Paying attention to orthography or color as compared to disregarding the stimuli (target-detection task) elicited selection negativities at about 175 ms, which were followed by a classical N2-P3 complex. This indicated that the tasks sufficiently drew participant's attention to and away from the stimuli. Together these findings revealed that visual processing of single letters and pseudoletters, in adults, appeared to be sensory-contingent and independent of paying attention to stimulus features (e.g., orthography or color).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».