MétaCan
Menu
Retour à la cohorte
Enregistrement W2041832919 · doi:10.1167/3.9.234

What primes in unconscious repetition priming

2010· article· en· W2041832919 sur OpenAlexaff
B. A. Bacon, C. Vinette, Frédéric Gosselin, Jocelyn Faubert

Notice bibliographique

RevueJournal of Vision · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésRepetition primingUnconscious mindPriming (agriculture)Subliminal stimuliPsychologyStimulus (psychology)BlankRepetition (rhetorical device)Cognitive psychologyResponse primingCommunicationComputer scienceCognitionNeuroscienceLexical decision taskPsychoanalysisLinguisticsPhilosophy

Résumé

récupéré en direct d'OpenAlex

It is generally agreed that when we look at the world, some aspects of the visual scene are encoded consciously while others are encoded unconsciously, or without our awareness that they were encoded. Although several studies have looked at unconscious encoding and its effect on subsequent behavior, it has thus far been impossible to determine which features of a given scene are encoded in this gray zone between seen and unseen. For the first time, we isolate the unconsciously perceived features of a stimulus by using “Bubbles” (Gosselin & Schyns, 2001), a technique that reveals the information in an image that is useful (‘diagnostic’) for a given task. Faces (n = 10) are presented in an unconscious repetition priming paradigm similar to that of Dehaene et al. (2001). The presentation sequence mask-blank-prime-blank-mask-target leads to conscious repetition priming. The inversion of the blanks and the masks abolishes the awareness of the prime but not the priming effect, thus generating unconscious repetition priming. In both conditions, the primes are presented under “bubble masks”. These masks only allow a proportion of the prime to be seen in the two-dimensional image plane and also selectively reveal information on the third dimension of spatial scale. Observers (n = 5) are asked to indicate by pressing the appropriate key, as precisely and as rapidly as possible, the gender of the target over 2000 trials. Then, a regression is run on the bubble masks and the response times and statistical analyses are conducted on the difference between the two conditions' regression coefficients. Preliminary results indicate a complex pattern of differences. Isolating the features of the visual scene that are unconsciously perceived is a crucial step towards identifying the neural substrates of unconscious perception.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,030
Tête enseignante GPT0,331
Écart entre enseignants0,301 · 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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetFace Recognition and PerceptionTravaux en français237 207