Predictive cues narrow the window of spatial attention in crowded visual displays: Evidence from ERPs
Notice bibliographique
Résumé
Our limited capacity for processing and filtering relevant information often results in binding errors when a target is presented in a crowded display. It was recently suggested that substitution of features between target and distractors might be the consequence of a failure to individuate the target during processing and that the N2pc event-related potential component is a reliable index of this phenomenon. Another theory, however, suggests that active competition between items during processing can account for these substitution errors. In this study, we introduced spatial cues to attempt to alleviate the active competition between items. Participants were presented with peripheral displays of far or near flankers that were either cued or uncued, and they were instructed to report the orientation of a radial line target among diametrical distractors. In the first experiment, the spatial cue was introduced before the visual display, while the second experiment presented a retro-cue. Behavioural results indicate that the guess rate is significantly reduced when targets are preceded by a predictive spatial cue compared to when retro-cues or neutral cues are present. Both experiments also produced an early positive contralateral component (P2pc) that was significantly reduced by the presence of pre-cues only. These results suggest that predictive spatial pre-cues may allow for a downscaling of the window of attention, which is reflected by the early lateralized P2 component, and facilitates the processing of information within a more restricted area. Modulating this window of attention helps resolve competition/individuation, as reflected by the decreased guess rate. In sum, the P2pc effect appears to reflect the biasing of spatial attentional during encoding. 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».