What to do with Low-Priority Items: an ERP study of Resources Allocation in Visual Working Memory
Notice bibliographique
Résumé
Visual working memory (VWM) is a limited resource, which may be distributed discretely or continuously, as predicted by opposing theoretical models. When presented with distracting information, it is most efficient to ignore or minimally process it. However, in many situations some items are more relevant than others and the target/distractor distinction is less clear. In a discrete resource allocation model, distractor items should be ignored completely to process target items in the limited slots of memory. In contrast, in the continuous model, distractors may be processed minimally with preference given to target items. One event-related potential (ERP) associated with VWM is sustained posterior contralateral negativity (SPCN), which is typically shown to scale with increasing load. In the present study, we used the SPCN to determine the extent to which low-priority items are processed. Participants were presented with four lateralized coloured objects while recording ERPs in three cue conditions: one-cue with 100% validity (no priority to non-target items), one-cue with 50% validity (low-priority to non-target items), and four-cues with 100% validity (all items given priority). In the 50% valid condition any of the uncued items could be probed; thus, these items should be allocated a portion of VWM resources in order to report the colour correctly. Results demonstrate that in the low-priority condition the SPCN amplitude was between the one-cue and four-cue conditions; thus, these items are not processed as targets (as in the four-cue condition) or ignored (as in the one-cue condition), but are meaningfully processed according to their priority. Further, frontal markers indicate that this condition required more executive control to preferentially maintain target items while meaningfully holding the low-priority items in memory. These results suggest that ERP markers of VWM maintenance reflect minimal but meaningful processing of low-priority items, as predicted by a continuous resource model. 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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».