Surface Cues Reduce the Latency to Name Rotated Images of Objects
Notice bibliographique
Résumé
Jolicoeur (1985, Memory & Cognition 13 289-303) found a linear increase in the latency to name line drawings of objects rotated (0 degrees to 120 degrees) from the upright (0 degrees) in the initial trial block. This effect was much shallower in later blocks. He proposed that the initial effect may indicate that mental rotation is the default process for recognising rotated objects, and that the decrease in this effect, seen with practice, may reflect the increased use of learned orientation-invariant features. Initially, we were interested in whether object-colour associations that may be learned during the initial block, could account for the reduced latency to name rotated objects, seen in later blocks. In experiment 1 we used full-cue colour images of objects that depicted colour and other surface cues. Surprisingly, given that Jolicoeur's findings were replicated several times with line drawings, we found that even the initial linear trend in naming latency was shallow. We replicated this result in follow-up experiments. In contrast, when we used less-realistic depictions of the same objects that had fewer visual cues (ie line drawings, coloured drawings, greyscale images), the results were comparable to those of Jolicoeur. Also, the initial linear trends were steeper for these depictions than for full-cue colour images. The results suggest that, when multiple surface cues are available in the image, mental rotation may not be the default recognition process.
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 | 0,000 | 0,007 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».