MétaCan
Menu
Retour à la cohorte
Enregistrement W1993381344 · doi:10.1080/02643290701508224

Evidence of a divided-attention advantage in autism

2007· article· en· W1993381344 sur OpenAlexaff
M. D. Rutherford, Eric Richards, Vanessa Moldes, Allison B. Sekuler

Notice bibliographique

RevueCognitive Neuropsychology · 2007
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensUniversity of Prince Edward IslandMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAutismPsychologyCognitionCognitive psychologyVisual fieldMind-blindnessContrast (vision)Task (project management)Developmental psychologyAsperger syndromeTheory of mindVisual processingPerceptionNeuroscience

Résumé

récupéré en direct d'OpenAlex

People with autism spectrum disorders appear to have some specific advantages in visual processing, including an advantage in visual search tasks. However, executive function theory predicts deficits in tasks that require divided attention, and there is evidence that people with autism have difficulty broadening their attention (Mann & Walker, 2003). We wanted to know how robust the known attentional advantage is. Would people with autism have difficulty dividing attention between central and peripheral tasks, as is required in the Useful Field of View task, or would they show an advantage due to strengths in visual search? Observers identified central letters and localized peripheral targets under both focused- and divided-attention conditions. Participants were 20 adults with high-functioning autism and Asperger's syndrome and 20 adults matched to the experimental group on education, age, and IQ. Contrary to some predictions, individuals with autism tended to show relatively smaller divided-attention costs than did matched adults. These results stand in stark contrast to the predictions of some prevalent theories of visual and cognitive processing in autism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,082
Tête enseignante GPT0,401
Écart entre enseignants0,320 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations22
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCognitive NeuropsychologyMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207