How many locations can you select at once?
Notice bibliographique
Résumé
Performance across several visual attention tasks, such as multiple object tracking, change detection across visual memories, or rapid counting, often seems to suggest that the visual system can handle a fixed number of objects at once. These fixed capacities, often of about 3 or 4 objects, are often taken as strong constraints on possible architectures of visual attention. However, for each of these tasks, there is debate over whether capacities are truly fixed, or rather vary according to factors related to task difficulty. In two experiments, we asked whether there is a fixed limit on the number of spatial locations that can be selected concurrently in a task. Subjects searched for a target through a cued set of search items. These items were spatially interleaved with similar looking search items that could never be the target, minimizing the potential for ‘chunking’ several cued items together into a single location. Cues either disappeared before the search, or remained throughout a trial. We determined capacity for selecting locations by finding the cued subset size where memorized cues could no longer serve visual search as efficiently as those still visible in the display. In Experiment 1, observers could search through 5 or 6 spatial locations before response times indicated that search strayed to known distractor locations. In Experiment 2, which used denser displays with more items, subjects could only maintain about 3 or 4 locations. These results suggest that our capacity for selecting locations is not fixed. Instead, there may be a tradeoff between the number of locations that can be selected, and the precision with which their positions are encoded. These results parallel other work using multiple object tracking tasks, showing a tradeoff between the number of tracked items and the precision with which their positions are encoded (Alvarez & Franconeri, VSS 2005).
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,014 |
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 ».