A calm eye is associated with the passive advantage in visual 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
Visual search can be more efficient when one views a display passively, allowing the target to pop into view, than when one actively directs attention around a display in a deliberate effort to locate a target (Smilek et al., 2006). However, little is known about why these different cognitive strategies lead to differences in performance. One possibility is that patterns of eye movements also differ with strategy, such that eye movements associated with the passive strategy allow search items to be registered in a more efficient way. Alternatively, the advantage of a passive strategy may accrue from processes that occur only after the search items have been registered, in which case one would not expect any differences in eye movements between the two strategies. In the experiments reported here, we monitored participants' gaze while they performed visual search tasks of varying difficulty after having been instructed to use either an active or a passive strategy. The passive strategy led to greater search efficiency (speed and accuracy) at all difficulty levels, which suggests that cognitive strategy may have even more influence on search performance than previously observed (Smilek et al., 2006). Furthermore, eye movement data showed that this passive advantage is correlated with fewer saccades per second and longer fixation durations. More detailed analyses examined differences in fixation location in the two conditions, and individual differences in eye movements independent of strategy. These findings are consistent with the hypothesis that the passive advantage in visual search is associated with a calmer eye.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle