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 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 | 0,001 | 0,006 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».