The Impact of Depth of Aesthetic Processing and Visual-Feature Transformations on Recognition Memory for Artworks and Constructed Design Patterns
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We conducted a study to examine how people perceptually encode and then recognize real artworks and constructed design patterns. We first manipulated depth of processing during an incidental perceptual encoding task (Phase 1) wherein participants made both affective/aesthetic and cognitive judgments. For painting stimuli, the contrast was between liking (yes/no) and a search for food in the paintings (present/absent). For design stimuli, the comparison was between liking and relative similarity of figure and ground in terms of color or texture. In Phase 2, we examined the effects of transforming visual features (i.e., color and texture) of the original stimuli on performance in a surprise recognition-memory task. Consistent with a depth-of-processing hypothesis, affective (i.e., liking) processing led to deeper perceptual encoding but, counter to our predictions, did not lead to better performance in the recognition-memory task. This benefit of aesthetic processing in the encoding phase was only observed with artworks but not with constructed design patterns that lacked salient semantic content. Moreover, texture transformations were discerned more accurately than color transformations across the different stimulus sets and tasks. This underscores the primacy of bottom-up processing of elementary stimulus features over top-down instructions to make affective judgments or search for semantic content.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle