MétaCan
Menu
Retour à la cohorte
Enregistrement W1984755273 · doi:10.1097/opx.0b013e31815b9e25

Normal Aging and the Perception of Curvature Shapes

2007· article· en· W1984755273 sur OpenAlexafffund
Isabelle Legault, Rémy Allard, Jocelyn Faubert

Notice bibliographique

RevueOptometry and Vision Science · 2007
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCurvaturePerceptionStimulus (psychology)MathematicsQuadratic equationPsychologyQuadratic functionGeometryCognitive psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The present study assessed whether different curve geometries involve different perceptual processing levels and whether these perceptual requirements can interact with the normal aging process. METHODS: Amplitude thresholds for three different curve types were assessed for young and older observers using 2AFC psychophysical methods. The stimuli were individually adjusted for visibility. The three stimulus types evaluated represented a bell shape, a quadratic, and a compressed arc function. RESULTS: As predicted, the geometry influenced the perception of curvature where the compressed arc was most difficult to perceive followed by the quadratic and bell-shaped curves. Moreover, older observers showed relatively higher thresholds for the quadratic and compressed arc shapes, while they had similar thresholds to the younger observers for the bell-shaped function. CONCLUSIONS: In general, the data support the notion that aging affects the processing of curvature requiring the integration of oriented receptors. This is in accordance with studies that have found reduced orientation selectivity of cortical neurons in senescent animals. Our findings suggest that older observers would have more difficulties with form discrimination tasks where curvature is an inherent component of the image and also predict age-related differences in perceiving ophthalmic lens-induced distortions.

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)0,003
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 enseignants0,429
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
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 Opus0,030
Tête enseignante GPT0,435
Écart entre enseignants0,405 · 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

Citations5
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptometry and Vision ScienceMême sujetVisual perception and processing mechanismsTravaux en français237 207