MétaCan
Menu
Retour à la cohorte
Enregistrement W2234859786 · doi:10.1111/desc.12379

The role of early visual input in the development of contour interpolation: the case of subjective contours

2016· article· en· W2234859786 sur OpenAlexafffund
Bat‐Sheva Hadad, Daphne Maurer, Terri L. Lewis

Notice bibliographique

RevueDevelopmental Science · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchIsrael Science FoundationJames S. McDonnell Foundation
Mots-clésPsychologyInterpolation (computer graphics)Cognitive psychologyComputer visionArtificial intelligenceDevelopment (topology)Computer scienceImage (mathematics)Mathematics

Résumé

récupéré en direct d'OpenAlex

We tested the effect of early monocular and binocular deprivation of normal visual input on the development of contour interpolation. Patients deprived from birth by dense central cataracts in one or both eyes, and age-matched controls, discriminated between fat and thin shapes formed by either illusory or luminance-defined contours. Thresholds indicated the minimum amount of curvature (the fatness or thinness) required for discrimination of the illusory shape, providing a measure of the precision of interpolation. The results show that individuals deprived of visual input in one eye, but not those deprived in both eyes, later show deficits in perceptual interpolation. The deficits were shown mostly for weakly supported contours in which interpolation of contours between the inducers was over a large distance relative to the size of the inducers. Deficits shown for the unilateral but not for the bilateral patients point to the detrimental effect of unequal competition between the eyes for cortical connections on the later development of the mechanisms underlying contour interpolation.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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: aucune
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
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,321
Écart entre enseignants0,288 · 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

Citations10
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopmental ScienceMême sujetVisual perception and processing mechanismsTravaux en français237 207