MétaCan
Menu
Retour à la cohorte
Enregistrement W2168851639 · doi:10.1037/a0033949

On the costs of lag-1 sparing.

2013· article· en· W2168851639 sur OpenAlexaff
Paul E. Dux, Brad Wyble, Pierre Jolicœur, Roberto Dell’Acqua

Notice bibliographique

RevueJournal of Experimental Psychology Human Perception & Performance · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversité de Montréal
Organismes subventionnairesAustralian Research Council
Mots-clésRapid serial visual presentationAttentional blinkEncoding (memory)LagPerceptionPsychologyCognitive psychologyComputer scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

The attentional blink (AB) is a dual-target, rapid serial visual presentation (RSVP) deficit thought to represent a failure of perceptual awareness that reflects the dynamics of temporal attention. However, second target (T2) report is typically unimpaired when the targets appear within 150 ms of one another (i.e., lag-1 sparing). In addition, this sparing can be extended if more targets appear sequentially. It is thought that sequential targets are processed in the same attentional window. Here, we investigated the fate of targets processed in these windows and, specifically, the consequence for subsequent targets when an item at lag-1 is reported versus missed. The results demonstrated that target encoding in attentional windows has an all-or-none influence on subsequent item report: When comparing two- and three-target (T1 and T2 not separated by distractors) RSVP streams, there was no difference in AB magnitude for the final target when either T2 or T1 was missed in the three-target condition, but both of these conditions had significantly smaller blinks than those observed when T1 and T2 were accurately reported. A comparison of our results to a computational model of temporal attention demonstrates how structural limitations on the rate of encoding affect perception, even during sparing.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,992

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,087
Tête enseignante GPT0,387
Écart entre enseignants0,300 · 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

Citations18
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Psychology Human Perception & PerformanceMême sujetVisual perception and processing mechanismsTravaux en français237 207