Limits on the contribution of priming to attentional control settings: Evidence from long-term memory control sets.
Notice bibliographique
Résumé
An active area in attention capture research is to understand the role of priming in establishing attentional control settings (ACSs). When participants repeatedly select target stimuli across trials of an attention task these items are primed in a bottom-up manner, which may cause attention to be preferentially captured by distracting stimuli that resemble the targets. The present work uses our recent discovery of long-term memory (LTM) ACSs to shed light on the contributions of priming. Studies evaluating priming typically have participants establish ACSs for single features or feature domains, rendering manipulations of priming dependent on changes in the ACSs across trials. This methodology confounds the contributions of priming with the potential costs of switching ACSs. The use of an LTM ACS is valuable because the ACS can consist of multiple targets, allowing participants to maintain a consistent ACS while we manipulate the amount of priming of targets within it. Across two experiments participants memorized a set of 16 (Experiment 1) or 18 (Experiment 2) images of complex, naturalistic visual objects that were then designated as targets in a rapid serial visual presentation (RSVP) task. We have previously shown that only studied items produce an attentional blink (i.e., capture attention) when they appear as distractors, suggesting participants adopt studied-item specific ACSs. In the present experiments we varied the amount of priming each target item received: frequent, infrequent, or no priming. Items that were never primed did not capture attention when presented as distractors. However, as long as items were primed, the frequency of priming (i.e., each target appeared on average every 12th trial versus 36th trial) did not affect the magnitude of capture. Together, these data reveal that although priming may support the establishment of ACSs, there are important limits to its role in the maintenance of ACSs. 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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».