Extraction Dissonance: Not All Ensembles are Created Equal
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
Our visual system is extremely proficient at extracting statistical information, such as the average size and density of objects. But what are the mechanisms supporting this? Here, we present a new methodology for exploring this issue, and use it to show that not all ensembles are treated alike by the visual system. To investigate the perceptual organization of ensemble structures, we began by examining the perception of Pearson correlation r in scatterplots. For plots with single data populations, discrimination performance is described simply: just noticeable differences (JNDs) are proportional to the distance from r=1. Our study expanded this to consider the case where each scatterplot not only contained a "target" population of black dots, but also an irrelevant "distractor" population of red dots (Fig. 1). Observers viewed two such scatterplots side-by-side (each containing both target and distractor populations), and were asked to identify the plot with the higher target correlation. There were 100 target dots in every condition. Interference from several distractor correlation values was determined by measuring JNDs for plots with various distractor dot numerosities: 100, 50, and 25 dots. Results showed a surprising effect: for target correlations of .3 with 100 and 50 distractor dots, discrimination declined considerably when the distractor correlation changed from .9 to .999. Meanwhile, for distractors of 25 dots, JNDs were low for both .9 and .999 distractor correlations (Fig. 2). This extraction dissonance, where discrimination is considerably different for ensembles with highly similar correlations, suggests that denser .999 populations may be represented similarly to a holistic unit, rather than an ensemble. More generally, our methodology provides exciting potential for exploring the level at which set of items can be perceived as a population, versus a single visual object. 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.
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 | 0,001 | 0,002 |
| 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