Implicit learning modulates attention capture: evidence from an item-specific proportion congruency manipulation
Notice bibliographique
Résumé
A host of research has now shown that our explicit goals and intentions can, in large part, overcome the capture of visual attention by objects that differ from their surroundings in terms of size, shape, or color. Surprisingly however, there is little evidence for the role of implicit learning in mitigating capture effects despite the fact that such learning has been shown to strongly affect behavior in a host of other performance domains. Here, we employ a modified attention capture paradigm, based on the work of Theeuwes (1991, 1992), in which participants must search for an odd-shaped target amongst homogeneous distracters. On each trial, there is also a salient, but irrelevant odd-colored distracter. Across the experiments reported, we intermix two search contexts: for one set of distracters (e.g., squares) the shape singleton and color singleton coincide on a majority of trials (high proportion congruent condition), whereas for the other set of distracters (e.g., circles) the shape and color singletons are highly unlikely to coincide (low proportion congruent condition). Crucially, we find that observers learn to allow the capture of attention by the salient distracter to a greater extent in the high, compared to the low proportion congruent condition, albeit only when search is sufficiently difficult. Moreover, this effect of prior experience on search behavior occurs in the absence of awareness of our proportion manipulation. We argue that low-level properties of the search displays recruit representations of prior experience in a rapid, flexible, and implicit manner.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».