MétaCan
Menu
Retour à la cohorte
Enregistrement W2066337509 · doi:10.1080/20445911.2013.832196

More than a surprise: The bivalency effect in task switching

2013· article· en· W2066337509 sur OpenAlexaff
Paul D. Metzak, Beat Meier, Peter Graf, Todd S. Woodward

Notice bibliographique

RevueJournal of Cognitive Psychology · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensUniversity of British ColumbiaBC Mental Health & Substance Use Services
Organismes subventionnairesnon disponible
Mots-clésSurprisePsychologyBivalent (engine)Cognitive psychologyTask switchingStimulus (psychology)Social psychologyCognitionChemistryNeuroscience

Résumé

récupéré en direct d'OpenAlex

When switching tasks, if stimuli are presented that contain features that cue two of the tasks in the set (i.e., bivalent stimuli), performance slowing is observed on all tasks. This generalized slowing extends to tasks in the set which have no features in common with the bivalent stimulus and is referred to as the bivalency effect. In previous work, the bivalency effect was invoked by presenting occasionally occurring bivalent stimuli; therefore, the possibility that the generalized slowing is simply due to surprise (as opposed to bivalency) has not yet been discounted. This question was addressed in two task switching experiments where the occasionally occurring stimuli were either bivalent (bivalent version) or merely surprising (surprising version). The results confirmed that the generalized slowing was much greater in the bivalent version of both experiments, demonstrating that the magnitude of this effect is greater than can be accounted for by simple surprise. This set of results confirms that slowing task execution when encountering bivalent stimuli may be fundamental for efficient task switching, as adaptive tuning of response style may serve to prepare the cognitive system for possible future high conflict trials.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,418
Écart entre enseignants0,336 · 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

Citations18
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cognitive PsychologyMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207