MétaCan
Menu
Retour à la cohorte
Enregistrement W2103362137 · doi:10.1111/j.1467-9280.2005.01647.x

Unique Temporal Change Is the Key to Attentional Capture

2005· article· en· W2103362137 sur OpenAlexaff
Adrian von Mühlenen, Mark I. Rempel, James T. Enns

Notice bibliographique

RevuePsychological Science · 2005
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSalientPsychologyCognitive psychologyStimulus (psychology)Visual attentionFeature (linguistics)Change blindnessSelective attentionN2pcTask (project management)CognitionComputer scienceArtificial intelligenceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Attentional capture refers to the observation that some events break through and attract one's attention even when one is engaged in a task for which these events are irrelevant. Previous research, focusing primarily on spatial factors, has shown that a new object is more salient in this regard than an abrupt change in an object's features. Here we show that feature changes can be as effective as new objects in capturing attention, provided that they occur during a period of temporal calm. Conversely, both feature changes and new objects are far less effective in capturing attention when they occur simultaneously with other display changes, such as coincident with the initial onset of the display or with small visual transients that occur during a display transition. These results highlight the importance of considering both space and time in studies of attentional capture; the most effective stimulus is unique in both dimensions.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,344
Tête enseignante GPT0,456
Écart entre enseignants0,112 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations74
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207