Characterizing the Mechanisms behind Improvements in Visual Sensitivity during Childhood
Notice bibliographique
Résumé
The human visual system is not an ideal transmitter of information. A number of separate, quantifiable factors, such as internal noise (Barlow, 1956; Pelli, 1981), have been introduced to characterize what limits our visual sensitivity and how it changes as a result of attention (Lu & Dosher, 1998), training/learning (Li & Levi, 2004), or aging (Betts, Sekuler, & Bennett, 2007). In the current study, we used external noise to model the mechanisms underlying improvements in sensitivity to contrast during childhood. We measured the contrast thresholds of 5-year-olds, 7-year-olds, 9-year-olds, and adults (n = 20/age) in a two-alternative forced-choice orientation discrimination task using the quick-TvC method that adaptively varies the contrast of the signal at a number of levels of external noise (Lesmes, Jeon, Lu, & Dosher, 2006). Overall, contrast thresholds decreased over a wide range of external noise levels as age increased (mean optimal contrast: 8.7%, 5.1%, 4%, and 3.3% for 5-year-olds, 7-year-olds, 9-year-olds, and adults, respectively). A perceptual template model based on Dosher and Lu (1999) provided an excellent fit (r2 = 0.985) to the developmental changes in contrast thresholds at different levels of external noise and performance. The model suggested that a mixture of mechanisms underlie the changes: the improvements in contrast thresholds across ages were best modelled by a combination of reductions in internal additive noise (Aa), reductions in internal multiplicative noise (Am), and improved external noise exclusion (Af). Between 5 and 7 years of age, there were 40%, 70%, and 45% reductions in Aa, Am, and Af, respectively. The modelled improvements likely reflect developmental changes at cortical levels, rather than changes of front-end structural properties (Kiorpes, Tang, Hawken, & Movshon, 2003). Meeting abstract presented at VSS 2012
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 | 0,002 | 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 | 0,001 |
| 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 ».