MétaCan
Menu
Retour à la cohorte
Enregistrement W2107943739 · doi:10.1177/1362361314558280

The costs of generality

2014· letter· en· W2107943739 sur OpenAlexaff
Laurent Mottron

Notice bibliographique

RevueAutism · 2014
Typeletter
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésGeneralityPsychologyAutismCognitive psychologyDevelopmental psychologyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

>> Each new article of Kate Plaisted’s group is an event and should be examined with great attention, considering their usual depth and far-seeing perspective. In the current article, Davis and Plaisted (2014) build upon Plaisted’s original Reduced Generalization Theory (RGT) to propose more selective propositions whereby reduced endogenous noise, defined as any variation in neural responses that limits detection or discrimination by reducing signal-tonoise ratio, can account for several cognitive particularities in autism. Specifically, Davis and Plaisted propose that low levels of neural noise in autism influence stimulus detection/discrimination, incite transitions between perceptual and cognitive states, and increase generalization by reducing stimulus distinctiveness. The present theory differs from its predecessor by suggesting that reduced generalization/enhanced discrimination in autism is observed only in situations where parameters vary continuously. Autistic superiority on perceptual and/or cognitive tasks should therefore be greater for tasks for which stimulus intensity is defined by continuous variables, such as during low-level signal extraction, that is, pitch, luminance, and symmetry. However, perceptual superiorities are also evident during mid-level perception, consistent with loci of enhanced neural activity in experiencedependant brain regions (Samson et al., 2012). Mid-level perception is identified with pattern construction and detection, which is by nature a non-linear, threshold-type phenomenon which may narrow the applicability of the present theory to autistic cognition. For example, when the authors invoke superior distinctiveness and clarity of local elements to explain local bias in Navon-type stimuli, it is not clear what the added value of noise to that of enhanced pattern detection, a process that can be deduced from this group’s early articles concerning visual search performance. Also, as reduced noise is argued to encourage transitions between neural states, reduced noise would explain cognitive inflexibility, by trapping attention or perception in stable states. This use of the “attractor metaphor,” albeit inherently polysemic due to its mathematical nature, goes far beyond the disappointing executive account of autistic cognitive rigidity. It fits nicely with the longer visual inspections and more generally interest for perceptual characteristics of objects and suggests that accuracy and rigidity are intrinsically linked. This should result in novel experiments, with testable predictions, and is plausibly one of the more interesting aspects of their theory. Finally, it is argued that noise increases generalization and reduces stimulus distinctiveness; conversely, reduced noise should account for limited or slow categorization. Whereas this idea remains appealing, available literature indicates that autistic cognition does not follow this rule as much as one should expect. The concept of reduced generalization lacks empirical support in laboratory experiments, and particularly in front of intact implicit learning in autism (Foti et al., 2014), contrary to what autistic behavior in natural settings seems to suggest. Using the author’s own words, noise is a malleable con

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil0,756

Scores Codex et Gemma par catégorie

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

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 Opus0,048
Tête enseignante GPT0,310
Écart entre enseignants0,262 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAutismMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207