MétaCan
Menu
Retour à la cohorte
Enregistrement W2065404636 · doi:10.1167/11.11.968

Perception and the Fitts's Law Violation: Why is the last one the fastest one?

2011· article· en· W2065404636 sur OpenAlexaff
P. Radulescu, Jos J. Adam, M. Fisher, Davood G. Gozli, G. Alexander West, Jay Pratt

Notice bibliographique

RevueJournal of Vision · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPerceptionSaccadic maskingTask (project management)Position (finance)Movement (music)Computer scienceAmplitudeComputer visionArtificial intelligenceConstant (computer programming)Fitts's lawCommunicationPsychologySpeech recognitionEye movementPhysicsAcousticsOpticsEngineeringNeuroscience

Résumé

récupéré en direct d'OpenAlex

Fitts's Law (FL) quantifies the tradeoff between speed and accuracy for manual movements, and it predicts that movement time (MT) increases logarithmically as the movement amplitude (i.e., distance) increases when target width is held constant. Replicated hundreds of times over 50 years, FL has proven to be incredibly robust; however, a violation of this law has recently been discovered. When targets of a constant width are placed in a structured perceptual array (e.g., visible placeholders denoting potential target locations), MTs to targets in the last position of the array are much shorter than predicted by FL (often shorter than MTs to targets at the second-to-last position). This violation holds for manual, saccadic, and even imagined, movements. Although it is known that the violation occurs in the movement planning stage, the underlying driving mechanism remains unknown. In the current study, we conducted three experiments to determine if the violation has a perceptual cause. In the first experiment, by measuring MTs to locations demarcated by extremely diminished placeholders (3 pixels long), we show that the violation does not occur due to perceptual interference.Experiment 2, which measured reaction times using a target detection task, showed that subjects are no faster in detecting targets appearing in the last location than they are detecting targets appearing at the other positions. Experiment 3, which measured accuracy using a brief presentation target identification task, showed that targets presented at the last position in the array are identified equally accurately in both placeholder present and absent conditions. Overall, these findings indicate that the changes in effectiveness of visual processing at the last position in the perceptual array do not drive the FL violation. Thus, while the locus of the FL violation appears to be in the movement planning stage, it is not due to perceptual mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,034
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,006
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,319
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetVisual perception and processing mechanismsTravaux en français237 207