MétaCan
Menu
Retour à la cohorte
Enregistrement W2153359692 · doi:10.1007/s40167-014-0019-3

Behavioural asymmetries on the greyscales task: The influence of native reading direction

2014· article· en· W2153359692 sur OpenAlexaff
Trista E. Friedrich, Lorin Elias

Notice bibliographique

RevueCulture and Brain · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueSpatial Neglect and Hemispheric Dysfunction
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPsychologyCognitive psychologyTask (project management)Left and rightNeglectReading (process)PerceptionRight-to-leftAttentional biasAudiologyCognitionNeuroscienceMedicineComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

Reliable leftward attentional and perceptual biases demonstrated in a variety of visuospatial tasks have been found to deviate from the left in research examining the influence of scanning habits. The aim of the current research was to examine the influence of native script direction on pseudoneglect during the greyscales task in a representative sample of native right-to-left readers. Fifty-four native left-to-right readers and 43 right-to-left readers completed the greyscales task, which required judging the darker of two left-right mirrored brightness gradients. Native left-to-right readers demonstrated a left response bias on the greyscales task, whereas right-to-left readers failed to demonstrate a bias, however, both groups responded more quickly when making leftward choices. The research suggests that the strength of attentional biases are influenced by behavioural biases, such as scanning habits, and neural and anatomical asymmetries in the right parietal and frontal cortices. Thus, to improve the clinical utility of the greyscales task for diagnosing neglect, right-to-left readers should be examined to fully understand the normal range of biases displayed by neurologically healthy individuals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,246
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCulture and BrainMême sujetSpatial Neglect and Hemispheric DysfunctionTravaux en français237 207