MétaCan
Menu
Retour à la cohorte
Enregistrement W2331536246 · doi:10.1037/a0038903

Escape from temporal-integration masking: The roles of visible persistence and input filtering.

2015· article· en· W2331536246 sur OpenAlexafffund
James W Patten, Hayley E. P. Lagroix, Peter Dixon, Vincent Di Lollo, Bertrand Sager, Ali Jannati, Matthew Yanko, Thomas M. Spalek

Notice bibliographique

RevueJournal of Experimental Psychology Human Perception & Performance · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStimulus (psychology)Filter (signal processing)Computer scienceOffset (computer science)PerceptionArtificial intelligenceComputer visionMathematicsPsychologyCognitive psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

A brief target embedded in—and coterminating with—a noise mask is identified easily when the duration of the mask is long but not when it is short (Di Lollo, 1980; inverse-duration effect). Identification has been said to be mediated by the visible persistence of the target, which outlasted that of the mask. We tested an alternative account based on input filtering triggered by the onset and offset of the target, relative to those of the mask, without recourse to visible persistence. The results of Experiment 1 could not be explained wholly in terms of visible persistence but were entirely consistent with input filtering. Identification suffered in Experiment 2 when transient responses were attenuated by "ramping." In Experiment 3, accuracy improved gradually as a function of leading-mask duration. All results were consistent with a modified version of von Holst's (1954) hypothesis that a new stimulus (e.g., the present mask) establishes an input filter within the system. Any sudden onsets or offsets then lead to the perception of a new object only when they do not match the input filter, thus becoming segregated from the temporally leading stimulus.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,542
Score d'incertitude au seuil0,328

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)0,0000,000

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 Opus0,103
Tête enseignante GPT0,362
Écart entre enseignants0,260 · 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

Citations2
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental Psychology Human Perception & PerformanceMême sujetHearing Loss and RehabilitationTravaux en français237 207