ROC curves refute an unequal-variance account of search asymmetry
Notice bibliographique
Résumé
One of the most unexpected phenomena of visual search is search asymmetry: the finding that switching the targets and distractors in a search task can drastically change the difficulty of the task. A well-known example is that it is easier to locate a letter C among O's than to locate an O among C's. One proposed explanation for such search asymmetries, based on signal detection theory, is that the internal responses generated by the two targets have different variances. We tested this explanation by measuring ROC curves. Method Three observers detected a C among O's, and vice versa, at contrast threshold, at set sizes one and eight. Observers responded on a six-point confidence rating scale, and we used the rating responses to generate ROC curves. Results At set size one, the slope of the ROC curves indicated approximately equal variances for the internal response distributions of letters C and O. At set size eight, the slope of an ROC curve does not directly indicate the ratio of the standard deviations of the responses evoked by C and O. However, a more careful analysis can still recover this ratio, and indicated that at set size eight, the response distributions for C and O again had approximately equal variances. Conclusions These findings are qualitatively inconsistent with the unequal-variance account of search asymmetry, which requires that the internal response distribution evoked by the easier target, in this case the letter C, has a greater variance. We will consider what alternative theories of visual search are consistent with these results.
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 | 0,017 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».