Odorant-specific Patterns of Sniffing during Imagery Distinguish ‘Bad’ and ‘Good’ Olfactory Imagers
Notice bibliographique
Résumé
There are large individual differences in the self-reported ability to form vivid olfactory mental imagery. Based on such self-reports, subjects have been classified as 'bad' or 'good' imagers. The present study examined whether a differential strategy in re-enacting the olfactomotor response during imagery may explain the dissociation between 'bad' and 'good' olfactory imagers. As previously reported, odor imagery was accompanied by sniffing. Although 'bad' and 'good' olfactory imagers did not differ in their overall sniffing volume, they used different strategies when re-enacting the motor component of olfaction during imagery. Particularly, as in real perception, 'good' but not 'bad' imagers generated bigger sniffs when imagining a pleasant smell compared with an unpleasant smell (P<0.02). Furthermore, preventing sniffing significantly hampered mental imagery of pleasant odors in 'good' but not 'bad' imagers (P<0.03). Taken together, these results suggest (i) the validity of the dissociation between 'bad' and 'good' olfactory imagers as revealed by self-report; (ii) that sniffing may be a causal factor in the creation of olfactory imagery; and (iii) that sniff measurements may serve as a reliable non-verbal tool in exploring individual differences in odor imagery.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».