Notice bibliographique
Résumé
In studies of change detection, observers’ ability to detect changes to an item in a display declines as set size increases. While the bulk of research has investigated the role of encoding and storage limits in change detection performance, less attention has been given to the role of comparison limits; that is, limitations on the rate or number of comparisons that can be made between test items and memory representations. Our study tested observers’ change detection ability for 3, 6, or 9 coloured circles presented for 1000 ms, followed by a 500ms mask and subsequent 500ms blank screen. At test, 3, 6, or 9 coloured circles again appeared in the same locations as the sample display, and observers were required to report whether a change occurred to one of the circles (50% of trials). On some trials one or two cues were presented at test, indicating which coloured circles may have changed, thus reducing the number of comparisons needed between the test display and memory representations. Our results showed that detection ability for the one cue condition (d’ = 1.8, k = 2.7) was significantly better than for the no cue condition (d’ = 1.6, k = 2.3), t(22) = 2.9, p = .008 (d’); t(22) = 3.07, p = .005 (k). We also found that observers adopted a conservative change detection bias at set size 9 when not provided a cue (c = 0.25), which was reduced when a cue was provided (c = 0.1), t(22) = 2.19, p = .04. We conclude that comparison limits do contribute to the decline in change detection performance, and that when searching for changes at large set sizes, observers favour reporting no change due to increasing comparison uncertainty. 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 | 0,018 | 0,176 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,012 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».