MétaCan
Menu
Retour à la cohorte
Enregistrement W2266797869 · doi:10.1093/geronb/55.1.p27

Aging and the development of automaticity in conjunction search

2000· article· en· W2266797869 sur OpenAlexaff
Charles T. Scialfa, Lisa Jenkins, Eleanor Hamaluk, Petra Skaloud

Notice bibliographique

RevueThe Journals of Gerontology Series B · 2000
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute on Aging
Mots-clésConjunction (astronomy)LuminanceVisual searchPsychologyContrast (vision)AutomaticityOrientation (vector space)Latency (audio)Feature (linguistics)Computer scienceArtificial intelligenceMathematicsCognitionCognitive psychologyPhysicsNeuroscienceTelecommunicationsGeometry

Résumé

récupéré en direct d'OpenAlex

In two experiments, younger and older observers carried out feature searches for targets defined by their luminance contrast and orientation. Additionally, they received consistent-mapping (CM) training in luminance contrast by orientation conjunction search, followed by a brief exposure to conjunction search under reversal conditions. In Experiment 1, display size effects on reaction time suggested that both younger and older observers were conducting a parallel search in all conditions and showed equivalent disruption at reversal. Experiment 2 was a substantive replication of the first using more difficult conjunction search displays. In addition to latency, we measured the number, duration, and feature-based selectivity of fixations made during conjunction search. Display size effects were larger than in Experiment 2 and were of equivalent magnitude in younger and older people. There were no age differences in improvement in conjunction search and minimal age differences in disruption following reversal. Both age groups demonstrated early in training that they could select items possessing target features (i.e., the color white), and both age groups demonstrated that they could not completely reverse this selectivity when these features no longer defined the target. These experiments have several implications for models of visual attention and age differences therein.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,240
Score d'incertitude au seuil0,632

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,000

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 Opus0,124
Tête enseignante GPT0,372
Écart entre enseignants0,248 · 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.

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

Citations44
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series BMême sujetVisual perception and processing mechanismsTravaux en français237 207