Changes in Fixation Strategy May account for a portion of Perceptual Learning observed in visual tasks
Notice bibliographique
Résumé
Perceptual learning in visual discrimination can be observed by monitoring an increase in an observer's ability to perform a certain task with practice. Perceptual learning has been previously linked to several different mechanisms that can account for the increase in an observer's ability: learning to perform the task it self (Anderson, Psychological Review, 94, 192, 1987), learning an optimal response strategy/adjusting criteria (Doane, Alderton, Sohn & Pellegrino, Journal of Experimental Psychology, 22, 1218, 1996), as well as changes in how the physical stimuli are perceived and processed by the observer (Gibson, 1969; Goldstone, Annual Review of Psychology, 49, 585, 1998). Observers can learn to visually fixate on areas of an image/stimuli that provide information necessary to complete their task, while avoiding areas that are not informative. This form of perceptual learning suggests a learned change in the observer's visual fixation strategy, an area of perceptual learning that has not been studied with visual hyperacuity paradigms. During training for visual hyperacuity discriminations based on small differences in the spatial frequency or orientation of suprathreshold sinusoidal gratings, observers had their eye fixations recorded. Results showed a change in fixation strategy for all observers as their experience increased and the difficulty of the discriminations increased. Observers varied in their fixation changes, as well as their final fixation points. There was a negative correlation between fixation variance and number of trials completed, but this value did not reach significance for most observers. These results suggest that observers modify their fixation strategy over time to optimize their performance on the discrimination task. This is somewhat contradicted by the observation that incorrect responses belong to the same distribution of eye fixations as correct responses.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».