Attentional flexibility during approach and avoidance motivational states: The role of context in shifts of attentional breadth.
Notice bibliographique
Résumé
In the present studies, we aimed to understand how approach and avoidance states affect attentional flexibility by examining attentional shifts on a trial-by-trial basis. We also examined how a novel construct in this area, task context, might interact with motivation to influence attentional flexibility. Participants completed a modified composite letter task in which the ratio of global to local targets was varied by block, making different levels of attentional focus beneficial to performance on different blocks. Study 1 demonstrated that, in the absence of a motivation manipulation, switch costs were lowest on blocks with an even ratio of global and local trials and were higher on blocks with an uneven ratio. Other participants completed the task while viewing pictures (Studies 2 and 3) and assuming arm positions (Studies 2 and 4) to induce approach, avoidance, and neutral motivational states. Avoidance motivation reduced switch costs in evenly proportioned contexts, whereas approach motivation reduced switch costs in mostly global contexts. Additionally, approach motivation imparted a similar switch cost magnitude across different contexts, whereas avoidance and neutral states led to variable switch costs depending on the context. Subsequent analyses revealed that these effects were driven largely by faster switching to local targets on mostly global blocks in the approach condition. These findings suggest that avoidance facilitates attentional shifts when switches are frequent, whereas approach facilitates responding to rare or unexpected local stimuli. The main implication of these results is that motivation has different effects on attentional shifts depending on the context.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».