A flicker change detection task reveals object-in-scene memory across species
Notice bibliographique
Résumé
Tests of recognition memory in macaques typically assay memory for objects or isolated images, over time spans of seconds to hours from stimulus presentation, and/or require extensive training. Here, we propose a new application of the flicker change detection task that could measure object-in-scene memory days after single-trial exposures. In three experiments, participants searched for a changing object - or "target" - embedded within a scene as their eye movements were tracked. For new targets-in-scenes, the change is difficult to detect and requires extensive search. Once the target is found, however, the change becomes obvious. We reasoned that the decreased times required to find a target in a repeated scene would indicate memory for the target. In humans, targets were found faster when the targets-and-scenes were explicitly remembered than when they were forgotten, or had never been seen before. This led to faster repeated-trial compared to novel-trial search times. Based solely on repeated-trial search times, we were able to select distributions comprised of predominantly remembered or predominantly forgotten trials. Macaques exhibited the same repetition effects as humans, suggesting that remembered trials could be dissociated from novel or forgotten trials using the same procedures we established in humans. Finally, an anterograde amnesic patient with damage that included the medial temporal lobe (MTL) showed no search time differences, suggesting that memory revealed through search times on this task requires MTL integrity. Together, these findings indicate that the time required to locate a changing object reveals object-in-scene memory over long retention intervals in humans and macaques.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».