From lab to life: Cognitive strategy fails to influence real-world search
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.
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 | 0,003 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».