Action and semantic attributes in object identification
Notice bibliographique
Résumé
Previous research has shown that action and semantic attributes are processed in physiologically distinct streams (Milner, A.D. & Goodale, M.A., 2006). For example, visually guided movements, such as the action of a hammer hammering a nail, are processed predominantly in the dorsal stream, while colour is processed in the ventral stream. Furthermore, these two streams, ventral and dorsal, have been associated with the upper and lower visual fields respectively (Milner, A.D. & Goodale, M.A., 2006). The present investigation sought to evaluate the impact of attribute type and visual field on identification of novel objects. It is expected that matching the processing stream with its complementary visual field and attribute type (dorsal stream ? lower visual field ? action; ventral stream ? upper visual field ? semantic) will produce decidedly faster reaction times in identifying these novel objects as compared to mismatched presentations. Twenty-one university students learned names and attributes associated with six novel objects. Three objects were paired with action attributes (pull, twist, slide) and three were paired with semantic attributes (nice, weak, rare). A computer recall task was performed once participants were able to recall all six objects error free during randomized presentation. Data was collected from this computer recall task where the six novel objects were presented in pseudo-randomized order in the upper or lower visual fields. Recall errors and the time required to identify the object were recorded. This study investigated interactions between visual field, processing stream, and their associated attributes. Previous research has examined each of these variables separately, and interactions may prove useful in further understanding neurological disorders such as apraxia.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».