MétaCan
Menu
Retour à la cohorte
Enregistrement W2016199997 · doi:10.2466/pms.104.3.758-762

Recognition Memory for Concrete, Regular Abstract, and Diverse Abstract Pictures

2007· article· en· W2016199997 sur OpenAlexaff
Mathew W. Bellhouse-King, Lionel Standing

Notice bibliographique

RevuePerceptual and Motor Skills · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Automated Systems
Établissements canadiensBishop's University
Organismes subventionnairesnon disponible
Mots-clésCognitive psychologyPsychologyCognitive scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Based on previous research by Goldstein and Chance in which poor recognition memory for abstract visual patterns was reported, this study compared recognition memory for pictures of everyday concrete objects, regular abstract stimuli as employed by Goldstein and Chance, and diverse abstract stimuli. A (3) x 2 design (stimulus type x test order) analysis of variance design was used. The subjects (N = 31) first viewed 30 target stimuli, followed by an immediate recognition test in which for 30 paired target and distractor stimuli shown they indicated which one they had seen previously. Concrete pictures were recognized with near perfect accuracy, and above the level for diverse abstract pictures; these in turn were better identified than regular abstract items, on which performance resembled that found by Goldstein and Chance. It is concluded that stimulus discriminability, rather than representational meaningfulness, may be crucial in picture recognition.

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)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,015
Tête enseignante GPT0,231
Écart entre enseignants0,216 · 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

Citations26
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerceptual and Motor SkillsMême sujetRobotics and Automated SystemsTravaux en français237 207