MétaCan
Menu
← Retour à la cohorte
Enregistrement W2567972806 · doi:10.1167/16.12.595

Lag-1 sparing in accuracy and reaction time: The importance of masking

2016· article· en· W2567972806 sur OpenAlexaff
Hayley E. P. Lagroix, Vincent Di Lollo, Thomas M. Spalek

Notice bibliographique

RevueJournal of Vision · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLagExtant taxonMeasure (data warehouse)Time lagContrast (vision)Lag timeLag screwMathematicsComputer scienceArtificial intelligenceBiologyBiological system

Résumé

récupéré en direct d'OpenAlex

Perception of the second of two rapidly sequential targets (T1, T2) is impaired when presented soon after the first (attentional blink; AB). In an exception, known as Lag-1 sparing, T2 performance is relatively unimpaired when it comes directly after T1. Lag-1 sparing is typically found when the dependent measure is T2 accuracy. In contrast, Lag-1 deficit is observed when the dependent measure is reaction time (RT; Lagroix, Di Lollo, & Spalek, 2015). A notable methodological difference between experiments that measured accuracy and those that measured RT was that T2 was followed by a mask in the former but not in the latter. In the present work, we demonstrate that Lag-1 sparing can be obtained with RT as the dependent measure, but only if T2 is followed by a mask. In contrast, when the dependent measure is T2 accuracy, Lag-1 sparing is in evidence whether or not T2 is masked. These results have implications beyond the phenomenon of Lag-1 sparing. They suggest that accuracy and RT are not always equivalent measures, and suggest that the AB may arise from postponement of T2 processing at more than one level within the system. This is inconsistent with extant theories in which the AB is said to occur at a single stage of processing. Meeting abstract presented at VSS 2016

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)0,005
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
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,096
Tête enseignante GPT0,396
Écart entre enseignants0,300 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetNeural and Behavioral Psychology Studies→Travaux en français237 207→