Notice bibliographique
Résumé
Every day we encounter objects that are partially obscured by shadows or other objects. We can study how our visual system processes these items by creating objects which do not have a real contour (i.e., a solid line) completely surrounding them. This project used enumeration (determining the number of objects present) to study the way that illusory contour figures are processed. The processing of illusory contour objects has previously been studied using a visual search task (Li, Cave & Wolfe, 2008). Li, et al. (2008) found that line-end illusory contour figures (figures that are induced through the particular way lines end around the "object") pop out in visual search. Because objects that pop out in search are usually subitized (fast, accurate and effortless enumeration of a small quantity of objects), it was hypothesized that line-end illusory contour figures would be subitized both when they were presented only as targets (simple enumeration task) and when they were presented with distractors (selective enumeration task). The simple enumeration task required participants to enumerate 1-9 vertical line-end illusory contour rectangles or real contour rectangles presented in conjunction with the line-end inducers. The selective enumeration task was the same expect for the addition of 4 or 8 horizontal distractors of the same figure type. The results of these two enumeration tasks revealed that line-end illusory contour figures can be subitized when they are presented alone, but not when they are presented with distractors. These results may be due to differences in task demands which can be explained by Pylyshyn’s (1988) FINST theory. 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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».