The Influence of Salient Distractors over the Course of a Category Learning Task
Notice bibliographique
Résumé
Understanding the relative contributions of goal-directed and stimulus-responsive attention is a critical problem in visual cognition. To pit the two processes against one another, we develop an experiment where both are elicited by the task structure and the stimulus set, respectively. Specifically, we aim uncover the relative influence of salient, distracting information while participants learn how to sort visual stimuli into four different categories using less salient, but informative features of the stimulus. In this regard, we can examine both learned goal-directed attention and reflexive, stimulus-responsive attention to salient distractors simultaneously, thereby examining their interactions over learning. The 3 informative features of the stimulus are learned through trial-and-error. The salience condition presents irrelevant features that act as salient distractors; and the irrelevant features in the baseline condition are all equally non-salient. In contrast with predictions from theories of salience in visual attention, we find that those in the salient condition display more efficient eye movements by minimizing fixations to unimportant features relative to the baseline condition as measured by an optimization score (Blair, Watson & Meier, 2009) that reflects the proportion of fixations allocated to informative versus irrelevant features. Findings suggest that theories predicting eye movements from bottom-up information do not wholly account for oculo-motor activity during category learning problems of this nature. However, salience must enact some influence on the programming of saccades, otherwise both conditions would exhibit a similar optimization score. Our interpretations of these data are: 1) in the short duration preceding a saccade, goal-directed and stimulus-responsive attention both act to influence the selected saccade target; and 2) hybrid theories of goal-directed/stimulus-responsive processes provide the most plausible account of attention as it is observed in eye movements during a learning task. Meeting abstract presented at VSS 2013
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».