Attention alters decision criteria but not appearance: A reanalysis of Anton-Erxleben, Abrams, and Carrasco (2010)
Notice bibliographique
Résumé
Paying attention to a stimulus affords it many behavioral advantages, but whether attention also changes its subjective appearance is controversial. K. A. Schneider and M. Komlos (2008) demonstrated that the results of previous studies suggesting that attention increased perceived contrast could also be explained by a biased decision mechanism. This bias could be neutralized by altering the methodology to ask subjects whether two stimuli were equal in contrast or not rather than which had the higher contrast. K. Anton-Erxleben, J. Abrams, and M. Carrasco (2010) claimed that, even using this equality judgment, attention could still be shown to increase perceived contrast. In this reply, we analyze their data and conclude that the effects that they reported resulted from fitting symmetric functions that poorly characterized the individual subject data, which exhibited significant asymmetries between the high- and low-contrast tails. The strength of the effect attributed to attentional enhancement in each subject was strongly correlated with this skew. By refitting the data with a response model that included a non-zero asymptotic response in the low-contrast regime, we show that the reported attentional effects are better explained as changes in subjective criteria. Thus, the conclusion of Schneider and Komlos that attention biases the decision mechanism but does not alter appearance is still valid and is in fact supported by the data from Anton-Erxleben et al.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».