Dispositional affect predicts temporal attention costs in the attentional blink paradigm
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
Abstract Theories suggest that positive affect broadens attention, whereas negative affect focuses attention. This position has been supported by studies showing that positive affect leads to more diffuse spatial attention while negative affect leads to more focused spatial attention. Recently, researchers have used the attentional blink (AB) paradigm to show that induced positive affect may also lead to more diffuse temporal attention, allowing greater accuracy for targets presented within a short time interval. The present study investigated whether dispositional affect could modulate temporal attentional diffusion using the AB paradigm. Consistent with the diffusion hypothesis, greater positive affect was associated with smaller AB magnitude, whereas greater negative affect was associated with larger AB magnitude. Thus, dispositional affect can modulate the costs of attentional selection over brief time intervals. Keywords: Attentional blinkAttentionAffectPositiveNegativeDiffuse Acknowledgements This work was supported by grants from the Natural Sciences and Engineering Research Council of Canada (NSERC), Canadian Foundation for Innovation (CFI), and Ontario Innovation Trust (OIT) to the second author. We thank Kirk Stokes and Carleen Gicante for their assistance with data collection. Notes 1The pattern of zero-order correlations between PA, NA, and AB magnitude observed when averaging across stimulus types were also observed for each of the three stimulus types individually. 2Response bias (β, the willingness to say "yes" to the presence of an X) was not significantly correlated with any of the affect measures and was not examined further. 3Results were consistent even when overall T1 accuracy and T2 sensitivity were included as predictors in the regression models.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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