MétaCan
Menu
Retour à la cohorte
Enregistrement W2482038647 · doi:10.1111/cogs.12391

Arranging Objects in Space: Measuring Task‐Relevant Organizational Behaviors During Goal Pursuit

2016· article· en· W2482038647 sur OpenAlexafffund
Grayden J. F. Solman, Alan Kingstone

Notice bibliographique

RevueCognitive Science · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueAction Observation and Synchronization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKillam Trusts
Mots-clésTask (project management)Computer scienceObject (grammar)Space (punctuation)Cognitive psychologyVariety (cybernetics)Human–computer interactionPsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Human behavior unfolds primarily in built environments, where the arrangement of objects is a result of ongoing human decisions and actions, yet these organizational decisions have received limited experimental study. In two experiments, we introduce a novel paradigm designed to explore how individuals organize task-relevant objects in space. Participants completed goals by locating and accessing sequences of objects in a computer-based task, and they were free to rearrange the positions of objects at any time. We measure a variety of organization changes and evaluate how these measures relate to individual differences in performance. In Experiment 1, we show that with weak structure in task demands, changes in object positions that arise through performance of the task lead to improved order, characterized predominantly by a centralization of frequently used items and a peripheralization of infrequently used objects. In Experiment 2, with increased task structure, we observe more refined organizational tendencies, with selective contraction and clustering of interrelated task-relevant objects. We further demonstrate that these more selective organization behaviors are reliably associated with individual differences in task performance. Collectively, these two studies reveal properties of space and of task demands that support and facilitate effective organization of the environment in support of ongoing behavior.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,295
Écart entre enseignants0,271 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations8
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCognitive ScienceMême sujetAction Observation and SynchronizationTravaux en français237 207