MétaCan
Menu
Retour à la cohorte
Enregistrement W2460428929 · doi:10.1177/0956797616654131

Reconsidering Temporal Selection in the Attentional Blink

2016· article· en· W2460428929 sur OpenAlexaff
Patrick T. Goodbourn, Paolo Martini, Michael Barnett‐Cowan, Irina M. Harris, Evan J. Livesey, Alex O. Holcombe

Notice bibliographique

RevuePsychological Science · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensUniversity of WaterlooWestern University
Organismes subventionnairesnon disponible
Mots-clésAttentional blinkPsychologySelection (genetic algorithm)Cognitive psychologyRapid serial visual presentationAttentional biasLagSelective attentionCognitionNeuroscienceArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Two episodes of attentional selection cannot occur very close in time. This is the traditional account of the attentional blink, whereby observers fail to report the second of two temporally proximal targets. Recent analyses have challenged this simple account, suggesting that attentional selection during the attentional blink is not only (a) suppressed, but also (b) temporally advanced then delayed, and (c) temporally diffused. Here, we reanalyzed six data sets using mixture modeling of report errors, and revealed much simpler dynamics. Exposing a problem inherent in previous analyses, we found evidence of a second attentional episode only when the second target (T2) follows the first (T1) by more than 100 to 250 ms. When a second episode occurs, suppression and delay reduce steadily as lag increases and temporal precision is stable. At shorter lags, both targets are reported from a single episode, which explains why T2 can escape the attentional blink when it immediately follows T1 (Lag-1 sparing).

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,868
Score d'incertitude au seuil0,480

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,479
Tête enseignante GPT0,454
Écart entre enseignants0,025 · 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'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

Citations22
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetNeural and Behavioral Psychology StudiesTravaux en français237 207