MétaCan
Menu
Retour à la cohorte
Enregistrement W2589528312

Picture Theory, Tacit Knowledge or Vividness-Core? Three Hypotheses on the Mind's Eye and Its Elusive Size

2005· article· en· W2589528312 sur OpenAlexaff
Amedeo D’Angiulli, Adam Reeves

Notice bibliographique

RevueeScholarship (California Digital Library) · 2005
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésTask (project management)Argument (complex analysis)PsychologyCore (optical fiber)Tacit knowledgeScale (ratio)Cognitive psychologySocial psychologyEpistemologyComputer scienceGeographyCartographyPhilosophyEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this study, we compared hypotheses derived from our interpretation of three imagery theories -picture theory, tacit knowledge and vividness-core.Participants were asked to generate "small" (1.2 o ), "medium" (11 o or 16 o ), or "large" (91 o ) images of concrete, everyday objects.Image size varied between subjects in Experiment 1, and within subjects in Experiment 2. Vividness ratings and image latency were measured.According to picture theory, vividness should increase directly with latency, and both should increase continuously with size, in both Experiments.According to tacit knowledge theory, such a continuous increase will occur only in Experiment 2 when the full range of sizes is known to the subjects.According to vividness-core theory, latency and vividness should be inversely related in both experiments, and latency should increase with size in Experiment 1 but not in Experiment 2. Results support vividness-core.Images, we conclude, are primarily derived from memories whose latent activation is reflected in reported vividness, as specified by vividness-core theory.

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)0,005
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,006
Communication savante0,0020,008
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,063
Tête enseignante GPT0,290
Écart entre enseignants0,227 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetVisual perception and processing mechanismsTravaux en français237 207