MétaCan
Menu
Retour à la cohorte
Enregistrement W2029714638 · doi:10.1371/journal.pone.0098625

Lost in the Forest, Stuck in the Trees: Dispositional Global/Local Bias Is Resistant to Exposure to High and Low Spatial Frequencies

2014· article· en· W2029714638 sur OpenAlexafffund
Gillian Dale, Karen M. Arnell

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensBrock University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Innovation Trust
Mots-clésSpatial frequencyPreferencePublication biasPsychologyMeta-analysisStatisticsMathematicsPhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

Visual stimuli can be perceived at a broad, "global" level, or at a more focused, "local" level. While research has shown that many individuals demonstrate a preference for global information, there are large individual differences in the degree of global/local bias, such that some individuals show a large global bias, some show a large local bias, and others show no bias. The main purpose of the current study was to examine whether these dispositional differences in global/local bias could be altered through various manipulations of high/low spatial frequency. Through 5 experiments, we examined various measures of dispositional global/local bias and whether performance on these measures could be altered by manipulating previous exposure to high or low spatial frequency information (with high/low spatial frequency faces, gratings, and Navon letters). Ultimately, there was little evidence of change from pre-to-post manipulation on the dispositional measures, and dispositional global/local bias was highly reliable pre- to post-manipulation. The results provide evidence that individual differences in global/local bias or preference are relatively resistant to exposure to spatial frequency information, and suggest that the processing mechanisms underlying high/low spatial frequency use and global/local bias may be more independent than previously thought.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,281
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetVisual perception and processing mechanismsTravaux en français237 207