Electrophysiological evidence for biased competition in V1 favoring motivationally significant stimuli
Notice bibliographique
Résumé
Conscious experience is selective: we are not aware of everything we see. So, how do some percepts reach conscious awareness while others do not? According to one influential model, stimuli will either be detected or go unnoticed based on the result of a competition for neural representation between multiple concurrent stimulus inputs. The winner of this competition will be selected for more detailed analyses. The goal of this study was to use event-related potentials (ERPs) to investigate whether stimuli of motivational significance “win” this competition for neural representation in visual cortex. Specifically, we took advantage of the C1 component which, due to the architecture of the calcarine fissure in V1, evokes either a negative or positive potential when stimuli are displayed in either the upper or lower hemifields respectively. When stimuli in the upper hemifield receive greater neural representation as compared to those concurrently displayed the lower hemifield, activity will summate to produce a distinct negative C1 component. In a first experiment, we contrasted a pair of task irrelevant fearful faces and their Fourier transformed derivatives, displayed in opposite hemifields, while participants engaged in a central task. Results showed that when fearful faces were displayed in the upper hemifield (evoking a negative potential) and Fourier transformed faces were displayed in the lower hemifield (evoking a positive potential), activity summated to produce a negative C1 component. Importantly, when Fourier transformed faces were presented in the upper hemifield, the C1 component was eliminated. This pattern was replicated when contrasting fearful and neutral faces, and also with fearful faces and their inverted counterparts. These findings demonstrate that (a) displays of threat competing for awareness are prioritized over other concurrent stimuli, and (b) this biased competition is resolved within 70 ms of visual processing; likely before any feed-back from higher level visual cortices occurs.
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 | 0,002 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».