Transition from feature-search to singleton-detection strategies in visual search: The role of number of target-defining options.
Notice bibliographique
Résumé
When searching for a uniquely colored target in an RSVP stream of homogeneously colored nontarget items, observers can use singleton-detection and/or feature-search modes. Using an attentional-capture paradigm, we varied systematically (a) the number of possible target colors from 1 to 4 and (b) the presence or absence of a colored ring surrounding the nontarget item displayed 200 ms before the target. When present, the ring was either the same color as 1 of the possible targets (color-match), or an irrelevant color (color-mismatch). Capture was measured as the impairment in target identification accuracy when the ring was present relative to when it was absent. Greater capture in the color-match than in the color-mismatch condition was regarded as evidence of feature-search mode. Capture in the color-mismatch condition was regarded as evidence for singleton-detection mode. We show that, as the number of target colors is increased, the relative prominence of feature-search mode decreases, and that of singleton-detection mode increases correspondingly. This novel finding shows that, when both feature-search and singleton-detection modes are possible, at least some degree of feature-search mode is used until the number of possible target-defining colors reaches about 4. This suggests that the weight assigned to singleton-detection mode increases, and that assigned to feature-search mode decreases correspondingly, as the difficulty of maintaining the target-defining features in mind is increased. (PsycINFO Database Record
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 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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».