MétaCan
Menu
Retour à la cohorte
Enregistrement W2289628662 · doi:10.1163/22134808-00002524

Disambiguating the Stream/Bounce Illusion With Inference

2016· article· en· W2289628662 sur OpenAlexaff
Philip M. Grove, Caitlin Robertson, Laurence R. Harris

Notice bibliographique

RevueMultisensory Research · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueMultisensory perception and integration
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésIllusionInferencePerceptionCognitive psychologyPsychologyExpectancy theoryCollisionCognitionOptical illusionVisual perceptionComputer scienceCommunicationArtificial intelligenceSocial psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

The ‘stream/bounce’ illusion refers to the perception of an ambiguous visual display in which two discs approach each other on a collision course. The display can be seen as two discs streaming through each other or bouncing off each other. Which perception dominates, may be influenced by a brief transient, usually a sound, presented around the time of simulated contact. Several theories have been proposed to account for the switching in dominance based on sensory processing, attention and cognitive inference, but a universally applicable, parsimonious explanation has not emerged. We hypothesized that only cognitive inference would be influenced by the perceptual history of the display. We rendered the display technically unambiguous by vertically offsetting the targets’ trajectories and manipulated their history by allowing the objects to switch from one trajectory to the other up to four times before the potential collision point. As the number of switches increased, the number of ‘bounce’ responses also increased. These observations show that expectancy is a critical factor in determining whether a bounce or streaming is perceived and may form the basis for a universal explanation of instances of the stream/bounce illusion.

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)0,011
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,324
Tête enseignante GPT0,500
Écart entre enseignants0,177 · 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

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMultisensory ResearchMême sujetMultisensory perception and integrationTravaux en français237 207