Grapheme Frequency and Color Luminance in Grapheme-Color Synaesthesia
Notice bibliographique
Résumé
Individuals with grapheme-color synaesthesia experience vivid colors whenever they see, hear, or just think of ordinary letters and digits (Dixon, Smilek, Cudahy, & Merikle, 2000; Mattingley, Rich, Yelland, & Bradshaw, 2001). Currently, little is known about how specific colors become associated with specific letters and digits in synaesthesia. Beeli, Esslen, and Jancke (2007, this issue) report an interesting relation between grapheme frequency and the luminance and saturation of synaesthetic color experiences. They had 19 synaesthetes choose colors for spoken digits and letters from a digital color palette. The colors were quantified in terms of their hue, saturation, and luminance (the HSL color system). The results showed (a) that the luminance of synaesthetic colors increased with the frequency of digits in everyday language and (b) that the saturation of synaesthetic colors increased with increased letter and digit frequency. These findings indicate that there is a relation between how graphemes are encountered (and perhaps learned) in language and the basic qualities of synaesthetic color experiences. To assess the replicability of the findings reported by Beeli et al., we analyzed the grapheme-color pairings we have collected on-line over the past 5 years for large groups of synaesthetes and nonsynaesthetes.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».