From lab to life: Cognitive strategy fails to influence real-world search
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We perform numerous visual searches every day, from looking for our car keys to finding a book on a shelf. When searching meaningless stimuli (i.e. circles interrupted by gaps) on a computer display, passively allowing the target to pop into view leads to more efficient search than actively directing attention to locate the target (Smilek et al., 2006). Here we ask whether this finding extends to search in a real-world environment. Participants were instructed to use either a passive or an active strategy while searching in a cluttered office for five common objects (e.g. keys, coffee mug). The time to find the target items was measured and head and body movements were filmed during search. Search time varied systematically across participants, with some objects and locations resulting in generally easy search and others in more difficult search. Participants also differed systematically from one another, with some finding all the objects more quickly than other participants. However, response latencies failed to show a difference between passive and active cognitive strategies, in contrast to the benefit of a passive search strategy in the computer-based search task. There remain many questions concerning why the effect of cognitive strategy did not transfer from lab to life. For example, perhaps strategies are most effective when all items are present within a very small field of view, as they are in computer-based search tasks, and less effective when large head and eye movements must be made to bring a target into view. These and other possibilities will be investigated in additional studies. We will also be reporting on our analyses of the video recordings in an effort to identify behavioral features of participants who were more versus less efficient in real-world visual search.
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.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 découle